搜索资源列表
20077419401162
- 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置。实验表明，与常见的定位方
filter
- 主要用于图像分割的主动轮廓线的源代码，该方法为非参数模型。
GVF_Snake
- 图像分割是由图像处理到图像分析的关键步骤，涉及到计算机视觉技术的复杂问题。在医学图像方面，许多应用大都依赖于对图像中目标轮廓的准确提取。基于微分算子检测的方法几乎都对噪声较为敏感且不能保证得到连续的边缘，无法用于辨识和分析目标。由Kass提出的基于主动轮廓线的Snake模型[1]，用一个具有一定弹性的封闭曲线，在曲线自身形状约束力和由图像数据计算而来的外部力的共同作用下演化，来逼近目标边界，完成对图像的分割。 GVF snake VC++做的
112233
- 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置。实验表明，与常见的定位方
snake
- 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置。实验表明，与常见的定位方
mySnake-2
- 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置。实验表明，与常见的定位方
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
face
- 图像识别，包括人脸识别和虹膜识别，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。-Image recognition, including face recognition and iris recognition, iris position in the digital image of the iris recognition and effective po
snake
- 主要用于图像分割的主动轮廓线的源代码，该方法为非参数模型-Mainly used for active contour segmentation of the source code, the method for non-parameter model
image-recognition-
- 图像识别的MATLAB代码，包括人脸识别和虹膜识别，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。-Matlab source code of image recognition, including face recognition and iris recognition, iris position in the digital image in an eff
Snake_Review
- 在传统的计算机视觉领域,严格的各自独立的分层理论有广泛的影响.这种理论认为,底层的视觉任务的完成只能依赖于从图像本身获得的信息.Kass等人对这种模型提出了挑战,于1987年提出了称为Snake的主动轮廓线模型(active contour model).近10多年来,Snake模型在计算机视觉领域得到了广泛应用,取得了许多重要的进展.该文回顾了近10多年来Snake模型的研究、发展及应用情况,并对未来的发展方向进行了展望. - In the field of traditional co
the-active-contour-method
- 提出一种新的广泛应用于数字图象分析和计算机视觉的主动轮廓(Snake)模型，引 入作用方向可以自适应变化的外加强制力，使控制点能够不依赖于初始轮廓而快速地收敛 到目标的真实轮廓；初始轮廓自动确定；控制点的数目可以自适应地改变；能够在背号比较 复杂的图象中实现对目标轮廓的提取 用该模型对空中目标的红外图象进行的实验结果表 明其具有很好的鲁棒性和实用性．-A new widely used in digital image analysis and computer vision i
a
- ：基于主动轮廓识别和被动轮廓识别方法各自的优缺点，提出结合主动和被动的方法，先对图像进行被动轮廓的预处理，然 后再应用主动轮廓的方法，通过比较选出Canny算子进行预处理，再通过基于概率的方法分割图像，最后再应用Snake模型进行 轮廓提取。并取得较好的应用。-: Identification Based on Active Contour and passive contour recognition advantages and disadvantages of each metho
snake-mm
- 对肿瘤图像运用snake模型与主动形状模型获得轮廓-Get the contour of the tumor based on Snake and Active shape model!
asmlibrary-5.0
- ASM（Active Shape Model，主动形状模型），是一种基于统计模型的图像搜索方法。它的优点是能根据训练数据对参数的调整加以限制，从而将形状的改变限制在一个合理的范围。ASM方法首先针对特定目标建立形状模型并采用一系列特征点来描述，称为点分布模型（PDM）；然后对形状模型中的每个特征点建立特征点附近的灰度模型；ASM方法利用灰度模型在目标图像中搜索特征点的最佳位置，同时根据搜索结果调整形状模型的参数，最终使模型匹配到目标的轮廓上。-ASM (Active Shape Model, a
Snakes
- 主动轮廓 c++ snake模型 数字图像处理 -active contour
ACLOCATE
- 基于主动轮廓模型的图像定位算法，此算法效果较好，可以进行定位-Image localization algorithm based on active contour model
SnakeSharp
- snakes主动轮廓模型经典算法代码，实现复杂轮廓的提取(Active contour model)
snake程序demo
- 实现snake主动轮廓模型,用于数字图像处理等工程(Implementation of snake active contour model for digital image processing and other engineering)
SnakeModule
- 自动对目标特征进行轮廓提取，需要手动选择感兴趣区域。(Automatic contour extraction of target features requires manual selection of the region of interest.)