搜索资源列表
gmmbayestb-v1.0.tar
- gmm和bayes估计，适合于图像处理中图像分割。-gmm and Bayes estimates, suitable for image processing in image segmentation.
LiuMixGauss
- 混合高斯模型背景建模，适用于视频跟踪，目标分割。 -GMM background modeling for video tracking, object segmentation.
EM_GM_fast
- EM算法的图分割,基于GMM模型改进的快速EM算法，为m文件-EM algorithm image segmentation
sfikasLibrary
- 一个利用GMM，SVGMM对图像进行分割的matlab程序，采用的是blobworld采集特征的方法。初始化也有备选多种方法-A use of the GMM, SVGMM image segmentation matlab program, the is blobworld collection features. Initialization also have options for a variety of methods
ImageMatting
- 图像处理ImageMatting的实现。主要思路是： 1）手工交互的给出一个前景区域的包围盒。 2）根据当前的前景和背景分割结果，分别估计前景和背景的GMM模型 3）用GraphCut算法进行分割 对上述2），3）两步进行迭代，得到比较好的分割结果 （分割-->估计前景背景-->分割） 4）matting-Image processing ImageMatting achieved. The main idea is: 1) gi
GMM-HMRF_v1.1
- 自己写改进的经典算法，效果很好，可用于分割以及检测，精度高，效率高，可以直接执行，有简单的注释，可以作为算法的比较等，-Write your own improved classical algorithm works well and can be used segmentation and detection, high precision, high efficiency, can be executed directly, a simple note can be used as com
GMM-HMRF_v1.1
- this program treat image processing and segmentation methods and can help for functions which concern segmentation, hidden markov segmentation
OneCutWithSeeds_v1.03
- one cut 算法是微软研究院发表的一篇关于前背景图像分割论文，用户只需简单地交互，即可快速分割前背景，代码比较清晰，内部graph cut和gmm等一些算法可以拿来学习或借鉴。-one cut algorithm is the Microsoft Research published a paper on the front background image segmentation, the user simply interact, you can quickly split befor
高斯混合模型GMM-latentSpace-v2.0
- 用于背景建模实现视频运动目标分割 与目标跟踪算法(For background modeling, video moving object segmentation and object tracking algorithm)
GMM-HMRF_v1.1
- 高斯混合模型 马尔科夫 image segmentation MRF GMM GMM ICM(Gauss mixture model)
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the background, and information entropy
GMM-HMRF
- 基于高斯混合模型和隐马尔科夫模型的图像分割算法(Image segmentation algorithm based on Gaussian mixture model and hidden Markov model)