搜索资源列表
mode
- 这个算法是关于图像处理的，此算法是在我做乘客计数系统过程中用到的，首先是avi取帧，图像分割，模式识别，模板匹配-this algorithm is on image processing, the algorithm is doing in my passenger counting system used in the process. avi is the first admission frame, image segmentation, pattern recognition, tem
palm.rar
- ：首次提出将局部二进制模式(LBP)~-用到掌纹识别中。借鉴分级检索的思想，先采用Gabor滤波器提取掌纹的全局能量特 征．后采用LBP算子提取局部特征实现两次分类。实验结果表明，与单纯的Gabor滤波器方法相比，系统的识别率可进一步提高。,This paper first presents a new method of palmprint identification by using Local Binary Pattern (LBP)·By referring to hierarch
12
- Visual C++数字图像模式识别技术及工程实践 pdf电子书，含第一版和第二版两本-Visual C++ digital image pattern recognition technology and engineering practice pdf e-books, including two first and second editions
StaticFPSys1
- 第一篇 第1章 StaticFPSys Visual C++ 指纹模式识别演示系统 FPSys Visual Basic 指纹模式识别演示系统-Chapter 1 of the first StaticFPSys Visual C++ Fingerprint pattern recognition demo system FPSys Visual Basic demonstration of fingerprint pattern recognition sys
waverecognition
- 关于支票的模式识别系统，支票已经首先预处理为波形，再通过模式识别的方法进行辨识。-Check about pattern recognition system, a check has been the first pre-processing for the waveform, and then through the identification of pattern recognition methods.
shibie
- 基于奇异值分解的人脸识别方法 梁毅雄 龚卫国 潘英俊 李伟红 刘嘉敏 张红梅 提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL
tuxingxue-bingzhuangtu
- 图形学课程设计报告--饼状图,制作此图，首先得明白扇形区域的画法的算法，利用for循环将扇形弧终点坐标赋值给弧开始坐标一块一块平凑成饼状图，而不能画一个圆分割，因为无法填充图案，是因为不是完整图案。所以返工重画了一次。还了解了TextOutA（）和pie方法。以上就是本次从这次实验得到的心得体会。本人还不停的调试了饼状图上比例的位置，直至最好看为止。-Graphics Design Report- pie chart, making this map, first of all have to
demo
- 对于运动图像分析菜单的一点说明 该菜单为主框架里的一个菜单项，对应第九章运动分析内容，该菜单提供了两种分析方法，提供的两幅静态图像为随书光盘所带“各章测试图”中“第九章”文件夹内的“图9-5a.bmp”和“图9-5b.bmp”。 归一化相位相关方法和相位差方法是两种运动估计方法，根据算法原理的不同，其输出形式也不相同。 例如，对于所提供的128*128大小的一对测试图，相位差的方法输出形式为：“相对于第一幅图像，x方向移动1像素，y方向移动3像素” ，其含义是相对于第一幅图像，第二幅
survey-on-the-image-segmentation
- 图像分割是图像分析和模式识别的首要问题，也是图像处理的经典难题之一。文中对图像分割方法进行了系统 研究论述，先对图像分割的定义、要求进行简单介绍，然后对阙值化、基于边缘方法、基于区域的方法、基于模型的方法和 基于人工智能的方法等主要的图像分割方法进行研究论述，比较了它们的优缺点。-Image segmentation image analysis and pattern recognition is the primary issue, but also the classic prob
SIFTflow
- 整个场景和应用的密集通讯。 IEEE模式分析与机器智能（TPAMI），2010。 如果您使用您的研究，我们的代码，请举出我们的报纸。另外，请注意到有包ECCV版本相比略有变化。已获得密集的SIFT特征mexed。 请运行demo.h第一。如果出现错误，请去“mexDenseSIFT”和的“mexDiscreteFlow”子文件夹，并按照readme.txt文件的说明（是的，有readme.txt文件中的每个文件夹）编译cpp文件。-Dense Correspondenc
NETLAB-algorithms-for-PR
- NETLAB algorithms for PR+书籍代码。学习模式识别的很好的老外书籍。基础模型很多，代码很细致，有很多算法的实现细节，对于应用很有帮助，-chapter covers a group of related pattern recognition techniques and includes a range of examples to show how these techniques can be applied to solve practical problems.
12345678
- Visual C++数字图像模式识别典型案例前半部分代码-Visual C++ digital image pattern recognition typical case of the first part of the code
Texture-Synthesis
- 本文先给出一个小的纹理图样，然后再合成一个大的。给出了程序实现。-This paper first gives a little texture pattern, and then synthesize a large. Given program.
SVM
- 支持向量机(Support Vector Machine，SVM)是Corinna Cortes和Vapnik8等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。-SVM (Support Vector Machine, SVM) was Corinna ms Cortes and Vapnik8 is first proposed in 1995, it is to solve the small sample,
background-model8
- ：基于背景建模的运动目标分割是智能视频监控的重要任务，模型的质量直接影响到检测、跟踪、识别等运动分析的准确性．当前的建模方法多是单层的，忽略了像素特征在时域和空域上的联系，模型描述不够准确，对于背景扰动、全局光照变化及复杂的室内外场景等多种情况鲁棒性不强，导致了分割中出现空洞和噪声点．针对这些问题提出了一种双层建模的方法，在第一层提取时域上的像素亮度特征采用码本建模，第二层提取邻域纹理特征采用基于中心对称的局部二值模式建模．实验证明该方法在用于运动分割时，比常用方法具有更好的准确性和鲁棒性．-M
RF3D_v1p00
- 一个共同的视频被空间相关去噪的框架随机噪声和空间相关的固定模式噪声。首先，在每一卷的空间和时间上的相关性，利用sparsify数据在三维时空的变换域，然后3D体积的频谱系数的自适应阈值萎缩三维阵列。这样的阵列取决于特定的运动轨迹的体积，单个功率谱密度的随机和固定的模式噪声，以及噪声方差，自适应地估计在变换域。-The video was a common fixed pattern noise spatial correlation denoising framework random nois
LBP
- LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikä inen, 和 D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征；-LBP (Local Binary Pattern, local binary pattern) is an image used to describe the local te
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
TUXIANGSHIBIE
- 对给定的多幅图片先进行训练分类，并进行频率分析，对于测试的图像与训练图像进行频率做差，求其最小的差值所对应的训练图像，就实现了图形识别。-For a given number of pictures first training classification, and frequency analysis, for the test image and training images to do the frequency difference, find the minimum differe