搜索资源列表
NewFCM
- 利用java写的快速模糊C均值算法,用与图像分割,聚类等领域。
kmeans1
- k-均值聚类算法实现灰度图像分割,输入图像矩阵和聚类中心个数,返回为最终的聚类中心和图像中每个像素所属类的编号(对应于图像矩阵)
kc01
- 采用均值聚类方法对图像进行分割的一个程序
KmeansImageSegmentation
- 基于Opencv实现的k-means聚类图像分割算法,可自定义聚类个数,根据像素点的位置和颜色进行聚类
julei-
- vc写的聚类的算法,在图像处理或者数据统计中有广泛应用
Keans
- 采用K均值聚类算法的原程序,能够对灰度图像进行据类方法分割
java-imaging-utilities-0.14.2.tar
- 图像分析的比较好的API,适应于研究者对图像的基本处理,包括像素的处理,像素的聚类分类,模式提取等
xtll809022.caj
- 请大家多看一些聚类方面的资料对做图像方面的人来说很重要
mode
- 模式识别中几个聚类算法,也包括神经网络和遗传算法在图像识别中的应用
Clustertest
- 2值图像的扫描线2值聚类算法,可实现2值图像的准确聚类
FCM_Cluster
- 首先介绍模糊集基本知识 其次K均值聚类算法(HCM)介绍 最后重点介绍了模糊C均值聚类, 模糊聚类是一种很重要思想,最近再图像处理中就用的了这种思想,也算是一点思维创新
image
- 图像灰度拉伸、直方图均衡算法以及FCM聚类算法。
fcm_color
- 本程序为模糊聚类算法在图像分类中的应用。(图像的大小为30*30)。
compute_vision
- 图像处理与机器视觉相关的论文 有关均值聚类
segmentation
- 介绍了视觉颜色空间及其在交互式图像分割中的作用, 实验分析了它的奇异性, 在此基础上, 考虑像素的 空间和色彩分布, 提出了基于区域生长法的多颜色空间、 多度量准则的聚类算法和零碎区域的合并算法, 颜色空间选取HSL 和RGB 两种, 相似性度量包括了种子点、 扩张点和生长区域三个方面, 并用于敦煌壁画图像的分割.
RegionExtractsdk
- 彩色图像分割算法, 首先rgb到hsv,然后量化,分割成许多个小区域,然后用区域合并算法进行合并,一直预先设定的区域数目或者达到满足的聚类条件为止停止合并
MyImageDB(WatershedandFCM)
- 先对图像进行开闭滤波,再使用分水岭分割图像,然后使用FCM对初始分割进行聚类,得到最终分割结果,对医学图像效果比较好。
基于Mean Shift的阈值分割
- 阈值分割算法是一种将灰度图像转化为二值图像的简单有效的方法,但是由于需处理图像的复杂性,常常使得阈值分割算法中阈值的选取问题无法很好解决。针对这个问题,在进行阈值化处理之前,我们先借助Mean Shift算法的分割特性将灰度值相近的元素进行聚类,然后,在此基础上应用阈值分割算法,达到将图像与背景分离的目的。 简单来说,基于Mean Shift的图像分割过程就是首先利用Mean Shift算法对图像中的像素进行聚类,即把收敛到同一点的起始点归为一类,然后把这一类的标号赋给这些起始点,同时把包含像素
mean-shift算法综述
- 本文详细的说明Mean Shift 的基本思想及其扩展,其背后的物理含义,以及算法步骤,并给出理论证明.最后本文还将给出Mean Shift 在聚类,图像平滑,图像分割,物体实时跟踪这几个方面的具体应用.
k-means_cluster.rar
- 通过将一幅图像的sift特征提取出来,然后对他们采用k均值方法进行聚类,By an image feature extraction sift out, and then on their way to the use of k-means clustering