搜索资源列表
第09章 人脸的检测与定位
- 人脸的检测与定位(在预处理部分，采用了特别的增强人脸特征与脸部皮肤之间对比度的方法及局域取阈值二值化方法，改进了预处理的效果。在图像分割部分，实现了经典的分合算法，并且使用成组算法改进了分合的效果。在人脸匹配部分，实现了基于眼睛和嘴的几何模型匹配，并对评价函数的构造进行了研究。)-Face Detection and Location (pretreatment, using a special facial features enhanced facial skin and the contr
Scale-invariant_feature_transform
- 尺度不变特征变换（Scale-invariant feature transform或SIFT）是一种计算机视觉的算法去查找并描述图像的局部特征。sift比较通俗的详解，比一般的详细。英文-Scale Invariant Feature Transform (Scale-invariant feature transform, or SIFT) is a computer vision algorithm to find and describe the local features of th
local-binary-pattens
- LBP人脸识别：基于对小波分解和局部二进制模式(LBP)分析，提出了一种多级LBP直方图的序列特征(M—HSLBP)的提取方法。-LBP Face Recognition: Based on the wavelet decomposition and local binary pattern (LBP) analysis, a multi-stage sequence of LBP histogram features (M-HSLBP) extraction method.
FACE-RECOGNITION
- 此文的目的有三个：第一，当地连续均值量化变换特征是提出照明和传感器敏感操作在目标识别上。其次，注册稀疏Winnows网络分割，提出了加快原分类。最后，特点和分类相结合对于正面人脸检测任务。检测结果列 为MIT + CMU系统和BioID数据库。关于这人脸检测器，接收器操作特征曲线BioID数据库产生最好的结果公布。对于结果麻省理工学院的中央结算系统+数据库相当于国家的最先进的脸探测器。一个人脸检测算法的MATLAB版本可以从http://www.mathworks.com/matlabce
surf
- 自然场景图像局部不变特征检测与描述,surf算法的图像匹配-Natural scene image detection and descr iption of local invariant features, surf image matching algorithm
0319.SIFT
- 基于局部特征的目标识别的ppt，国外大牛lowe的ppt-Object Recognition from Local Scale-Invariant Features
caltech-image-search-1.0
- 大规模图像检索的代码，matlab与c++混合编程。总结了目前图像检索领域目前主要存在的方法。通过阅读该代码，可以对于经典的“词袋”模型（bow模型）有个具体的了解，但是该代码没有提供前序的特征提取，是直接从对提取好的特征向量聚类开始的，包括了k-means，分层k-means（HKM）聚类，倒排文件的建立和索引等，该代码还提供了局部敏感哈希（LSH）方法。最后，这份代码是下面这篇论文的作者提供的， Indexing in Large Scale Image Collections: Sc
FaceRecognition
- 频域光照归一化的人脸识别 基于NSCT和SQI的光照不变量及人脸识别 张量局部判别投影的人脸识别 基于全局和局部特征集成的人脸识别-Frequency-domain light normalized face recognition based on the NSCT and SQI s illumination invariant face recognition Zhang amount Bureau Ministry of discriminant projectio
[16---2011]---local-binary-LDA-for-FaceR
- Extracting discriminatory features from images is a crucial task for biometric recognition. For this reason, we have developed a new method for the extraction of features from images that we have called local binary linear discriminant analysis (LB
ldb
- local difference binary descr iptor （一种最新二进制特征 效果好于ＬＢＰ）-local difference binary descr iptor (one of the newest features is better than binary LBP)