搜索资源列表
PG_BOW_DEMO
- 图像的特征用到了Dense Sift，通过Bag of Words词袋模型进行描述，当然一般来说是用训练集的来构建词典，因为我们还没有测试集呢。虽然测试集是你拿来测试的，但是实际应用中谁知道测试的图片是啥，所以构建BoW词典我这里也只用训练集。 其实BoW的思想很简单，虽然很多人也问过我，但是只要理解了如何构建词典以及如何将图像映射到词典维上去就行了，面试中也经常问到我这个问题，不知道你们都怎么用生动形象的语言来描述这个问题？ 用BoW描述完图像之后，指的是将训练集以及测试集
Eage
- 图像边缘检测源码；VC++2005测试完全没有问题，可供初学图像处理的人参考。-Image Edge Detection source VC++2005 test no problem for people learning image processing reference.
ImageUtils
- 这个代码是从网上找到的，没有问题，正常使用。给图片增加水印，包括给图片增加文字。测试图片路径放在D盘下。-This code is from the Internet to find, there is no problem, normal use. Add watermarks to the images, including words to the images to increase. Test image under the path on the D drive.
BmpShow_in_wince
- wince下图像与文字的合成，在bmp上写字打logo，是对VC下bmpshow的改写，移植到了wince下，解决了CreateDIBSection替换GetDIBits的难题，本人原创。在Windows Mobile 5.0 Pocket PC SDK (ARMV4I)下运行通过。-The synthesis of bmp image and text: write worlds or a logo, is modified from "bmpshow" in VC, Solve the pr
test
- 再抽样后，调制前，信后总要先被量化。这里提供一段程序用于解决这一问题。-after sampling, we always need to quantize the signal in order to do the modulation. here i provide a segment of code which can solve this problem
SVM_FACE
- 基于支持向量机的人脸检测训练集增强算法实现。根据支持向量机(support vector machine，简称SVM)~ ，对基于边界的分类算"~(geometric approach)~ 言，类别边界附近的样本通常比其他样本包含有更多的分类信息．基于这一基本思路，以人脸检测问题为例．探讨了 对给定训练样本集进行边界增强的问题，并为此而提出了一种基于支持向量机和改进的非线性精简集算法 IRS(improved reduced set)的训练集边界样本增强算法，用以扩大-91l练集并改
Transform
- 软件测试误差积累测试用例,三角形上下左右移动、缩放、旋转，代码处理了旋转所带来的误差导致图像变形的问题-Software testing error accumulation test, the triangle down and move around, zoom, rotate, code handles the error caused by the rotation caused by the problem of image distortion
hough--line
- Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等-Hough transform is image processing image recognition from the basic geometry of one of the meth
10
- 本文提出了一种基于学习的相似性度量方 法, 即将图像配准的度量问题转化为模式分类问题, 由基于机器学习设计的分类器自动检验图像是否配准. 本文对400 组图像进行了配准检验, 实验结果显示了该方法的可行性和可靠性.-This paper proposes a similarity measure based on learning methods, about the measurement problems of image registration into the pattern c
ImageProcessing
- VC++数字图像处理典型算法及其实现源代码,已编译测试没问题。-VC++ typical digital image processing algorithms and its implementation source code, compiled test no problem.
Texture-extraction
- 程序实现图像问题特征的提取，可以用于遥感影像的多特征分类实验。-Procedures for image feature extraction problem, can be used for remote sensing images of multi-feature classification test.
Discriminativemodelsformulticlasobject
- Many state-of-the-art approaches for object recognition reduce the problem to a 0-1 classifi cation task. Such re- ductions allow one to leverage sophisticated classifi ers for learning. These models are typically trained independentl
83070277tzdtq
- 拼接图像sift,简单程序，测试可用，没问题的-Mosaic image sift, simple procedure, the test is available, no problem
Semantic-Segmentation
- CVPR2012_oral Weakly Supervised Structured Output Learning for Semantic Segmentation-We address the problem of weakly supervised semantic segmentation. The training images are labeled only by the classes they contain, not by their location in t
Histogram-equalization
- 直方图均衡法的MATLAB图，经过测试没有问题，绝对可以用，做图像的同学可以用来参考.大家可以下载下来在MATLAB中运行-Histogram equalization method of MATLAB figure, after test no problem, absolutely, can be used to do image can be used for reference
bmvc06_lau_chung
- 医学图像配准，医学图像2D_3D配准，基于vc++开发。-Although the presence of local minima is one of the major problems in high-dimensional image registration, only a few experimental works have been carried out to address this problem. In this study, a 3D-2D vascular
test
- 该方法利用人脸具有镜像对称的自然特性，依据奇偶分解原理，生成成镜像奇、偶对称样本，井利用人脸对称图像作为训练样本，再利用主分量分析(PCA)对训练样本进行二阶相关和降维处理，然后对处理后的样本进行ICA特征提取。理论和分析实验证明，该算法有效减线了人脸受到视角、光照、人脸表情、姿势变化等因素的最响，又增加了训练样本容量，减少了计算复杂度，同时有效解决了小样本问题，提高了识别率.(The method uses the natural characteristics of mirror symme
camshift_matlab_ilekoaiq
- cashift_matlab,我做的一些修改： 1.修改了之前网上的那种需要输入avi文件名再读取的方式，改成直接读取avi文件。 2.修改了另外建立avi文件的方式。 2.实时显示跟踪结果。 3.彩色图显示，用红色框圈出目标。 4.因为是基于颜色特征的，所以要选色颜色特征明显的。你可以自己拍摄目标颜色突出的avi视频来测试。 5.程序结束时有点小问题，按ctrl+c结束。(cashift_matlab, I made some changes: 1. Modify the kin