搜索资源列表
基于码书的运动目标检测方法
- 本方法提出一种基于码书的背景构造方法。首先对历史图像序列进行量化.由此每一像索点得到一本码书,其次根椐前景点和背景点在图像序列中的分布特性选择合适的码字构造背景,该方法能在有限的储存空间下表示长时间的图像序列,从而有效实现对扰动的背景物体地融合,同时克服运动缓慢 的目标融入背景,并能适应缓慢的光照变化。
Liver-Tumors-master
- 首先,本代码针对肝脏CT图像序列的特点,提出了一个肝癌图像分割算法,对医学图像的分割、辅助医生进行肝脏切割手术、为医生进行诊断和治疗、肝脏的三维重建、确定病变区域的大小及程度等也有着重要意义。(Firstly, according to the characteristics of liver CT image sequence, this code proposes a liver cancer image segmentation algorithm. It is also importan
Deep Learning with Python
- 深度学习基本算法,深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库,它允许简单快速的原型设计。 在Python深度学习中, 你将从一开始就学习深度学习,你将学习所有关于图像分类模型,如何使用深度学习获取文本和序列,甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的,但你不必在机器学习,Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景,只有基础的高中水平数学应该让你跟随和理解核心
tentmap
- 帐篷映射图像 帐篷映射是非常实用的混沌系统 能产生随机序列(Tent mapping is a very practical chaotic system that can generate random sequences)
dice-2.0-beta.16
- DICe是一个开源的数字图像相关(DIC)工具,用于外部应用程序中的模块或作为独立的分析代码使用。它的主要功能是从数字图像序列中计算全场位移和应变,以及物体的刚体运动跟踪。所分析的图像通常是一个正在进行特征化实验的材料样品,但是DICe也可以用于其他应用(例如,轨迹跟踪)。DICe是机器可移植的(Windows、Linux和Mac),可以有效地部署在高性能计算平台上(DICe使用MPI并行和线程内核并行)。DICe的功能可以通过定制的库接口、DICe类的源代码集成或独立的可执行文件来调用。(DI
Matlab-AR模型
- 时间序列分析(Time-Series Analysis)是指将原来的销售分解为四部分来看——趋势、周期、时期和不稳定因素, 然后综合这些因素, 提出销售预测。强调的是通过对一个区域进行一定时间段内的连续遥感观测,提取图像有关特征,并分析其变化过程与发展规模。(Time-Series Analysis model)
基于帧间差分法的视频目标检测系统
- 运动目标自动检测是对运动目标进行检测、提取、识别和跟踪的技术。基于视频序列的运动目标检测,一直以来都是机器视觉、智能监控系统、视频跟踪系统等领域的研究重点,是整个计算机视觉的研究难点之一"。运动目标检测的结果正确性对后续的图像处理、图像理解等工作的顺利开展具有决定性的作用,所以能否将运动物体从视频序列中准确地检测出来,是运动估计、目标识别、行为理解等高层次视频分析模块能否成功的关键。