搜索资源列表
a
- 毕业设计做的c++图像检索识别的,希望对你有帮助吧-raduation image color do a retrieval system, you want to help it
vb
- 图像处理特征提取图像识别检索等,希望对你有帮助-Image processing and feature extraction image recognition and retrieval, and hope to help you
9ab2aab6122a
- 图像处理特征提取图像识别检索等,希望对你有帮助-Image processing and feature extraction image recognition and retrieval, and hope to help you
MATALABEL
- MATLAB的图像处理检索等,希望对你有帮助-Image processing and feature extraction image recognition and retrieval, and hope to help you
zhao
- 将灰度图像转换成灰度直方图,再归一化处理,检索快速-The gray-scale image is converted into a histogram, and then normalized, fast retrieval
ajaxplorer
- 一个采用php,mysql,jquery 写的在线图片相册管理程序,时候小公司或者工作室的编辑人员管理 图片,预览检索图片非常方便- One using php, mysql, jquery write online photo album management program, when a small company or a studio editorial staff manage pictures, preview image is very convenient retrieva
8704403
- 经过前期的数字图像处理以及检索的技术研究之后,不错的(After the early stage of the digital image processing and retrieval technology research, good)
vidcap_demo
- Web Cam Capture by USB link(USB For Video Camera Capture It works for development and image/video capture/recognition/Retrieval database)
single
- 图像相位恢复,用于复原相位及其他光学算法(Image phase retrieval)
文字识别
- 随着现代社会的发展,信息的形式和数量正在迅猛增长。其中很大一部分是图像,图像可以把事物生动地呈现在我们面前,让我们更直观地接受信息。同时,计算机已经作为一种人们普遍使用的工具为人们的生产生活服务。从图像中提取文字属于信息智能化处理的前沿课题,是当前人工智能与模式识别领域中的研究热点。由于文字具有高级语义特征,对图片内容的理解、索引、检索具有重要作用,因此,研究图片文字提取具有重要的实际意义。又由于静态图像文字提取是动态图像文字提取的基础,故着重介绍了静态图像文字提取技术。(With the de
Colorhist_Libsvm_dem
- 随着科学技术的飞速发展,机器学习与人工智能技术的不断创新,人们对特定信息检索的需求逐渐增加,使得如何对资源进行合理有效的分类成为一个关键问题。近几年来,基于内容的图像分类的研究焦点主要集中在自然图像的场景分类和物体分类两个方面,大多采用有监督学习方法,通过对底层特征建模和中间语义分析来实现分类。 本文基于Libsvm的图像分类研究及实现,主要针对的是物体分类这一方面,选用了五类水果作为分类研究的对象。对图像进行分类的大体步骤主要包括采集图像样本(主要从Web上获取)、图像预处理(如截成大小一致
datika
- 以matlab为工具利用数字图像处理技术对答题卡进行了识别,并对识别结果进行了处理。注意到答题卡在采集图像的过程中由于各种原因可能会产生图像倾斜、水平或垂直错位,要进行正确识别首先必须对其进行校正,再依据像素检索技术进行识别。(With MATLAB as the tool, the answer card is identified by digital image processing technology, and the recognition results are processed
wikipedia_info
- wikipedia跨模态(文本图像)数据集,可用于图像标注、跨媒体检索等领域。共十类,已标注。文本特征是10维LDA特征,图像特征是128维SIFT特征(Wikipedia datasets for cross-media retrieval, image annotation etc.)