搜索资源列表
人脸识别系统设计—毕业设计
- 本课题的主要内容是图像预处理,它主要从摄像头中获取人脸图像然后进行处理,以便提高定位和识别的准确率.该模块主要包含光线补偿、图像灰度化、高斯平滑、均衡直方图、图像对比度增强，图像预处理模块在整个系统中起着极其关键的作用，图像处理的好坏直接影响着后面的定位和识别工作,内有源代码和全部论文资料-this issue is the major content of image preprocessing, mainly from the camera to obtain images Face the
毕业设计:人脸识别系统设计软件
- 本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。 随软件附上设计文档和参考资料。
imagerecgonition
- 尿沉渣图像识别，采用形态学图像分割，som进行识别！-urine image recognition, image segmentation using morphological, som identification!
fuzzy Enchance
- 用matlab 实现的图像模糊增强，其中包括模糊化和去模糊化，对图像很好的处理-The realization of the image using matlab fuzzy enhancement, including defuzzification and fuzzy and good image processing
median_filter
- 中值滤波实现指纹图像增强 源码 （这是一种新的方法）-median_filter (a new meas for finger image enhancement)
DS18B20
- 本书系统地介绍了图像处理与识别的基本原理、典型方法和实用技术。全书共分12章，第1章－第6章是图像处理与识别的基础内容，包括图像科学综述、MATLAB语言图像编程、图像增强、图像分割、图像特征提取和图像识别；第7章－第10章是图像处理与识别的工程实例，涵盖了医学图像处理、文字识别和自导引小车路径识别等应用实例，并结合理论算法，提供了大量MATLAB代码程序，以帮助读者掌握如何使用MATLAB语言快速进行算法的仿真、调试和估计等方法。第11章－第12章，是两个综合性较强的实例，分别足Visual
PCNN
- PCNN神经网络在图像增强方面的应用，大家可以参考下-Of PCNN neural network applications in image enhancement, we can refer to the following
gaborfilter1
- 利用Gabor滤波器对图像进行处理，增强器可分能力-Using Gabor filters for image processing, enhancers can be divided into ability
plate-identification
- 针对夜间光线不足导致对车牌识别率下降，该代码能对夜间机动车车牌图像进行增强与识别。-Pattern Recognition
digital-image-processing
- 数字图像处理，简单介绍图像的增强，压缩，二值化以及相关的图像处理技术，适合入门者学习图像处理相关的知识。-Digital image processing is introduced, enhancement, image compression, the value of two and the related image processing technology, suitable for beginners to learn the relevant knowledge of image
mhj
- 基于模糊集的图像增强方法,,富有示例图片和程序说明-Image enhancement method based on fuzzy set, rich sample pictures and program instructions
Enhancement-Based-on-Visual-Property
- 常见的基于人类视觉特性的图像增强算法由于是同时完成动态范围压缩和对比度增强,导致增强图像的整 体对比度不高、边缘部分效果不佳.通过分析人类视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞 感受野的传输特性,提出一种仿生图像增强算法.为适应人类视觉系统对光强的主观感觉特性,对图像作全局亮度 对数变换 并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性,采用视网膜神经元感受野三高斯 模型来调整亮度图像的局部对比度 最后利用线性变换恢复图像的彩色信息.实验结果表明,该
DCGAN-tensorflow-master
- DCGAN实现高质量图像生成与分类，并增强了系统的稳定性与准确度(DCGAN enables high-quality image generation and classification, and enhances system stability and accuracy)