搜索资源列表
imagematch.rar
- 模式识别,图像匹配的VC程序,能够对不同大小相同形状的目标进行识别.,Pattern recognition, image matching of the VC process, the same can of different sizes to identify the shape of the goal.
PeDetect.rar
- 视频图像中，行人检查的源代码。利用人体形状特征做特征识别。利用运动物体检测得到初始识别区域。,Video images, pedestrian check the source code. Characteristics of the human body shape to do feature recognition. Detection of moving objects using the region to be the initial identification.
ShapeMatchingandObjectRecognition
- 基于形状上下文特征描述的形状匹配和物体识别介绍-Introduction to shape matching and object recognition based on Shape context
fun_pcnn
- 基于PCNN的特征提取,PCNN用于特征提取时，具体平移、旋转、尺度、扭曲等不变性，这正是许多年来基于内容的图像检索系统追求的目标，同时PCNN用于特征提取时，有很好的抗噪性。而且PCNN直接来自于哺乳动物视觉皮层神经的研究，具有提取图像形状，纹理，边缘的属性。用PCNN能很好地对图像进行签名，将二维的图像的特征提取成一维矢量签名。-Feature extraction of specified object is an important preprocessing stage in ma
webcam-shape
- 为了在序列图像或视频流中识别目标形状，对初始背景图像求差，结果经过阈值化，然后进行形态学滤波，最后通过计算判断图像中目标的形状。运用虚拟仪器软件LabVIEW平台，配合USB接口的网络摄像头实现系统功能。此方法简便易行，对图像或视频中的目标识别效果良好。-In order to sequence images or video stream to identify the target shape, the initial background image for poor results af
Gaussian.mixture.model.Method
- 高斯混合模型是單一高斯機率密度函數的延伸，由於GMM 能夠平滑地近似任意形狀的密度分佈，因此近年來常被用在語音與語者辨識，得到不錯的效果。-Gaussian mixture model is a single Gaussian probability density function of the extension, as the GMM can approximate arbitrary smooth shape of the density distribution, it is ofte
Researchontheshapefeatureextractionandrecognition.
- 主分量分析(PCA ) 是统计学中分析数据的一种有效的方法, 可以将数据从高维数据空间变换到低维特征空间, 因而 可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中, 用PCA 法提取图像的形状特征, 能够较好地满足识别 层的输入要求。在识别层研究了3 种识别方法: 最近邻法则、BP 网络及协同神经网络方法, 均取得了满意的实验效果。-Principal component analysis (PCA) is a statistical analysis of data in a
hopfieldNetwork
- 基于MATLAB的HOPFIELD字母识别算法！！ 可以识别形状不全的字母-MATLAB-based recognition algorithm HOPFIELD letters! ! Failure to identify the shape of the letters
Gaussian_mixture_model
- 高斯混合模型[Gaussian mixture model,简称GMM]是单一高斯机率密度函数的延伸,由於GMM 能够平滑地近似任意形状的密度分布,因此近年来常被用在语音与语者辨识,得到不错的效果。 -Gaussian mixture model [Gaussian mixture model, referred to as GMM] are single-Gaussian probability density function of the extension.GMM can approxi
face
- 针对五官识别的算法，能够自动识别五官的位置和形状-Facial features for recognition algorithm, can automatically identify the location and shape of facial features
TheResearchforRecognition
- 基于视频图像的运动车辆识别系统主要是由汽车牌照识别和汽车类型识 别两大核心技术构成，它在智能交通领域中有着广泛的应用，同时也是计算机 视觉、图像处理和模式识别等交叉学科研究的热门课题，因此对相关技术的研 究正受到普遍关注。本文正是在这一背景下，对运动车辆识别技术进行了系统 的研究。在车牌识别技术中，本文着重对车牌定位和车牌字符识别等关键技术 所涉及的难点进行了深入的研究。在车型识别技术中，与当前国内外学者侧重 于研究车辆外形、大小的识别不同，本文主要侧重对汽车标志的定位和
1
- 状是含有高层语义信息的视觉特征，在基于内容的图像检索及图像识别中具有重要的应用价值。有很多种描述子可以描述图像的形状特征，傅立叶描述子可以把二维的图像轮廓信息简化成一维问题进行处理，应用非常广泛。然而自然图像的形状特征通常是杂乱的，有噪声的，提出了一种图像预处理方法，得到净化的形状图像，通过实验研究傅立叶描述子算法提取形状特征的效果。-Abstract Shape is a visual feature which contains intrinsic high-level semantics
loc_im_hildith
- 对形图像的经过边缘提取后得到的二值图像边缘进行细化，提取单像素的边缘，使得边缘是成为清楚的单像素的边缘。-After images of the shape after the edge extraction of the binary image to refine the edge, the edge extraction of a single pixel, making the edge is to be clear of the edge of a single pixel.
face
- 面形識別系統，通過TCPIP進行面形的開發處理-Surface shape recognition system, through TCPIP for the development of surface shape to deal with
615498514
- 表面缺损检测对保证产品的使用性能、完整性和安全性具有重要意义 本文将表面 缺损类型总结为结构缺损、几何缺损、颜色缺损和纹理缺损等几类，并进行特征分析。在此基础上，从基于灰度特征、形态特征、色度特征和纹理特征等几方面对表面缺损的图像检测方法进行综-Surface defect detection products to ensure the use of performance, integrity and security will be of great significance to t
ShapeContext
- Shape context 是一种基于特征的识别算子，其高性能的识别效果使只得到了广泛的应用，这些是学习Shape context 必须要看的一些资料已经自己的一些学习总计希望能有所收获-Shape context is a feature-based recognition operator, its high-performance results so that only the recognition has been widely used, these are learning Sh
the-quality-recognition
- 数字图像处理: 基于颜色与形状的农产品品质识别-Digital Image Processing: Based on the color and shape recognition of the quality of agricultural products
Shape-Recognation
- Shape-Recognition图像中的圆、矩形、正方形等形状识别-Shape-Recognition image circle, rectangle, square and other shapes identification
Shape-Recognation
- code on shape recognition
Shape-recognition
- 图形识别算法，从左到右从上到下识别,识别正确率较高- Pattern recognition algorithms, left to right, top to bottom to identify