搜索资源列表
actour
- 活动轮廓图像分割 活动轮廓图像分割-Active contour segmentation active contour segmentation
Snakuscules
- 活动轮廓在图像分割和计算机视觉中有广泛应用，但是本文提出一种分割的新概念，Snakuscules。这是2008年IEEE TRANSACTION关于活动轮廓的经典文献。-Active contour in image segmentation and computer vision has extensive application, but this paper presents a new concept of partition, Snakuscules. This is the 2008
Snakes
- 自己做的关于主动轮廓ACM的PPT,里面介绍了其发展历史及现状，并且结合了一些实验-To do their own on the active contour ACM' s PPT, which introduce the history of its development and the status quo, and a combination of a number of experimental
image
- 彩色活动轮廓模型, 图像分割，活动轮廓模型-Color active contour model, active contour model, image segmentation, active contour model
Charged_Fluid_Model_for_Brain_Image_Segmentation.z
- 基于带电流体模型的脑图像分割方法， 该方法是active contour的一个变体，但不同于level set的机理，可以自动处理拓扑的变化，而且速度非常快！-Charged_Fluid_Model_for_Brain_Image_Segmentation
ClassicalSnakesAlgorithm
- A clasical snake implementation on a binaty image. The implementation followa the Torozopoliz article on active contour and s nakes
new_metric_matlab_code
- 基于活动轮廓模型的图像分割算法，具体算法细节，可以见压缩包中的论文-Based on Active Contour Model of image segmentation algorithm, the details of the specific algorithm, you can see the archive of papers
mySnake-2
- 基于动态轮廓模型的虹膜定位.在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位
ASM_version1b
- ASM是由Cootes和泰勒推出的多分辨率方法的一个例子。 基本思想： 在ASM模型训练，训练从手工绘制的图像轮廓。发现的ASM模型在训练使用主成分分析（PCA），使该模型自动识别数据的主要变化是，如果可能的轮廓/好的对象的轮廓。还包含了ASM模型的协方差矩阵描述行垂直纹理口岸时，在正确的位置。 -Descr iption This is an example of the basic Active Shape Model (ASM) as introduced by Coot
snake_matlab
- 实现了snake without edge 这篇文献的算法。可以运行，而且结果良好。-snake 0r active contour model.
AnExperimentalComparisonOfModernMethodsOfSegmentat
- 本文主要是比较图论分割和主动轮廓分割算法，通过实验可以看出分割的好坏-This article is to compare the segmentation and active contour graph partitioning algorithm, Experimental results show the good and bad segmentation
C_V
- 本程序采用半隐式方案实现变分水平集图像分割方法中的 “C-V”模型(Active contour without edge) -Iris Recognition based on Active Contours
LBF_v0.1
- Implicit active contour by local binary fitting energy
fast_marching
- level set 快速行进法，快速行进法的2D算法-Fast marching level set method, fast marching method of 2D algorithm
Analysis_of_Bit_Error_Rates_for_Multiple_Access_C
- Analysis of Bit Error Rates for Multiple Access CSK and DCSK Communication Systems