搜索资源列表
Grading-test
- 为实现合格和缺陷板栗的分级， 研究了 1 种基于 BP 神经网络与板栗图像特征的板栗分级方法。 试验以罗田板 栗为研究对象， 提取的颜色及纹理等 8 个特征值， 通过主成分分析提取相应的主成分得分向量构成模式识别的输入。 利 用 BP 神经网络方法建立了板栗分级模型。 试验结果表明， 在图像信息主成分因子数为 3， 中间层节点数为 12 时， 建立 的模型最佳， 模型训练时的回判率为 100 ， 预测时识别率达到了 91 .67 。 研究结果表明基于机器视觉技术的针对缺陷 板栗分
Image-processing
- 文章以胡柚为研究对象， 针对基于机器视觉的胡柚品质分拣生产线所涉及的关键技术进行理论和试验研 究，先对在传输带上运动的胡柚进行图像采集、图像分割、图像平滑、灰度化和锐化等一系列 的图像处理， 然后对处理后 的胡柚图像提取大小、颜色和缺陷的特征值，最后依据提取的特征参数进行大小、颜色和缺陷分级。 并以此为基础，研究 适合实时条件下的胡柚大小、形状、颜色及果品缺陷等品质指标的检测方法和分拣执行机构。- This paper takes grapefruit as the research
2
- 步态识别论文，对目标检测方法进行了分析，提出了在HSL颜色模型空间中，利用时间域中值滤波算法构建背景模型，采用背景减除法实现人体上肢和下肢关节点的检测，采用闽值分割、形态学滤波和颗粒去除操作对关节点的图像进行二值化处理，为后续相关特征的提取做好了准备。 -Gait identification papers, for target detection methods are analyzed, presented at the HSL color space model, using med
Q
- 本文以室内、外不同空间的人数统计为背景，研究基于图像的人员计数技术，对某时段内进出摄像机视野中指定区域的人数，或指定区域内在景人数进行统计。主要研究内容有以下几点： （1）人员计数方案论证：本文分析对比了不同人员计数算法，研究分析了基于像素、 基于Hough变换的人员计数算法的优缺点。 （2）基于像素统计的人员计数系统实现：①分别采用近似中值背景模型和高斯混合背景模型提取前景图像；②采用基于HSV颜色空间变换的方法对前景中的阴影进行抑制；③用前景像素数除以人数得到一个人的像素平均值，
two
- ：植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而，低维特征不能全面描述叶片信息，识别准确率低，本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理，获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征，对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征，对纹理图像提取分形维数，共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相
FeaturExtractionCode
- 提取自然图像的区域特征，先是对图像进行下采样进行降维，然后彩色图像三通道对每一个通道进行提取颜色信息。-The regional feature of the natural image is extracted, and the image is down-sampled, and then the color image is extracted for each channel.
colorju
- 对图像进行颜色空间转换，提取出图像的3个颜色矩特征。-hu features
colormap
- 对图像进行预处理，提取图像的颜色相关图特征。-color corremap features
火焰识别代写
- 此代码用于识别图片中火焰,整体思路为通过对图像的颜色处理找出图中感兴趣区域(可能为火焰的区域)及其 轮廓, 再提取轮廓的几何特征判断是否为火焰(This code is used to identify the flame in the picture. The overall idea is to find out the area of interest (possibly the area of flame) and its contour in the picture through c