搜索资源列表
-
0下载：
图像分割中常用的主动轮廓模型的一个经典算法，GVF（梯度矢量流模型）-Segmentation commonly used active contour model of a classical algorithm, gradient vector flow (gradient vector model)
-
-
0下载：
Snake 动态轮廓模型,GVF Snake,经典文章两篇。Active contour model. Kass Snakes Active Contour Models, Xu , Snakes, Shapes, and Gradient Vector Flow
-
-
0下载：
利用梯度矢量流算法进行轮廓提取（图像分割），不错的方法，对原来的ACM模型进行改进（active contour model 活动轮廓模型）-using gradient vector flow algrithm to extract image contour,improvement from active contour model
-
-
0下载：
Active contour models, deformable surface models,
edge detection, gradient vector flow, image segmentation,
shape representation and recovery, snakes.-Active contour models, deformable surface models, edge detection, gradient vector flow, image s
-
-
0下载：
基于gvf(Gradient Vector Flow)的主动轮廓模型(snake)图像分割算法。
包括3个算法的实现，即基本SNAKE，ballon snake, 和GVF snake.
都采用了参数解法，很适合初学者使用-Based gvf (Gradient Vector Flow) of the active contour model (snake) segmentation algorithm. Including the three algorithm, namely, th
-
-
0下载：
：通过对梯度矢量流(GVF)力场迭代和轮廓收敛过程中时间开销大、不能逼近较复杂轮
廓等不足之处的分析，提出了一种新的初始轮廓线的设置方法。基于小波变换的多尺度轮廓检测算
法，能够较精确地定位出各类轮廓，在此基础上设置的初始轮廓线能够非常好地靠近图像中的各种真
实轮廓。实验结果表明，此方法有效地缩小了搜索的范围，减少了GVF迭代次数，提高了轮廓收敛的
速度，并保留了GVF Snake模型的所有优点。-: The gradient vector flow (GVF) field it
-
-
0下载：
用matlab演示的梯度向量流。分为三种：原蛇、气球蛇、距离蛇-With a the matlab demo gradient vector flow. Divided into three types: the original snake, balloon snake from snake
-
-
0下载：
根据不同的方法对U型图进行分割，得出梯度矢量流的优点，它更方便于对图像分割-Depending on the method of U-shaped graph partitioning, the advantages derived gradient vector flow, it is more convenient for image segmentation
-
-
0下载：
门型图和U型图还是有很大区别的，门型图是断开的，但梯度矢量流照样能完美分割出来-Door type and U-chart diagram is still a great difference, door type map is disconnected, but can still perfect gradient vector flow split
-
-
0下载：
GVF snake模型算法matlab源程序，GVF是根据光流场原理,利用变分方法,从图像中得到的一种向量场,该向量场被称为梯度矢量流(GVF)场。-GVF snake model algorithm matlab source, GVF is based on the principle of optical flow field, using the variational method, a vector field obtained from the image, the vector
-
