搜索资源列表
CV.m
- 用于图像分割的matlab程序，是最经典的活动轮廓模型，根据作者名字取名为CV 模型(image segmentation CV model)
level_set_ac
- 使用测地活动轮廓的水平集算法进行图像分割的研究(level of set with matlab)
935828160Demo2
- snake主动轮廓 实现图像分割 算法准确(Snake active contour)
DRLSE_Tumor
- DRLSE对脑肿瘤分割：提供一张真实的脑部肿瘤MRI图像做测试，可以手动勾画出是轮廓，初始轮廓勾画的越精准，迭代次数要求越低，效果越好(DRLSE segmentation of brain tumors)
LSnake
- 这是一个简单的使用snake模型进行图像分割的源代码，可以用来学习，事先需要确定一个初始化的轮廓，最好和真实的轮廓相距不是太大(his is a simple use of the snake model for the image segmentation source code, can be used for learning, prior need to determine an initial profile, the best and the actual contour is no
CV model code1
- ＣＶ模型是现在应用较广泛的一种图像分割方法，快速实现图像的分割，是一种几何活动轮廓模型(CV model is a widely used image segmentation method. It is a geometric active contour model to quickly realize image segmentation.)
LBF和LDF模型程序
- 基于水平集的活动轮廓模型-LBF模型和LDF模型用于图像分割(image segmentation based on active contour model)
14615465LCV
- 基于水平集的活动轮廓模型-LCV模型用于图像分割(image segmentation based on active contour model)
tufenge
- 图像分割用各种方法例如，水平集方法，双边滤波，活动轮廓模型(Various methods for image segmentation, such as level set method, bilateral filtering, active contour model)
Snackes
- Snakes模型的基本思想很简单，它以构成一定形状的一些控制点为模板（轮廓线），通过模板自身的弹性形变，与图像局部特征相匹配达到调和，即某种能量函数极小化，完成对图像的分割。再通过对模板的进一步分析而实现图像的理解和识别。(The basic idea of the Snakes model is very simple. It uses some control points that form a certain shape as a template (contour line), thr
Shape feature extraction
- 图像的形状特征一般是在物体从图像中分割出来以后进行分析，形状特征描述与尺寸测量结合起来可以作为区分不同物体的依据。形状特征有两类表示方法，一类是边界特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。(The shape feature of an image is generally analyzed after the object is segmented from the image. The combination of shape fea
Vc6_Image
- VC++图像处理及源码包（大全）包括下列内容：1.数字图像获取，处理及实践应用电子书 2.数字图像获取，处理及实践应用电子书分章节源码 3.书中提及的各种算法的综合源码。压缩包里面包括的算法代码有：分章节源码内容：内容：对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强；逆滤波复原、维纳滤波方法；傅立叶变换、离散余弦变换（DCT）、沃尔什变换、基于特征向量的变换、霍特林（Hotelling）变换、SVD变换、小波变换、Mallat算法；霍夫曼（Huffman）编码、算术
这是基于水平集模型的CV模型
- 此算法用于图像分割，是无边界活动轮廓模型的CV模型，算法是基于水平集理论和MS模型，能够自动分割图像。初始轮廓的位置也不会影响结果。
这是基于水平集模型的CV模型
- 此算法用于图像分割，是无边界活动轮廓模型的CV模型，算法是基于水平集理论和MS模型，能够自动分割图像。初始轮廓的位置也不会影响结果。