搜索资源列表
EAR
- 人耳识别技术是20世纪90年代末开始兴起的一种生物特征识别技术，与其它生物特征识别技术比较具有以下几个特点：（1）与人脸识别方法比较，耳识别方法不受面部表情、化妆品和胡须变化的影响，同时保留了面部识别图象采集方便的优点，与人脸相比，整个人耳的颜色更加一致、图像尺寸更小，数据处理量也更小。（2）与指纹识别方法比较，耳图象的获取是一种被动方式，即通过非接触方式获取耳图像，不存在通过接触传染疾病的机会，因此，其信息获取方式具有容易被人接受的优点。（3）与虹膜识别方法比较，首先，由于人脸和头发的存在，需
particle_filter_tracking
- 基于粒子滤波原理，选取颜色特征对目标进行描述，实现视频目标的实时跟踪，效果较好。
JAVA
- 基于JAVA实现的图像特征提取源代码 图像特征提取的源代码，使用sobel算子提取图像边缘，使用hu矩提取图像形状特征，使用颜色中心矩提取图像颜色特征，请使用eclipes导入该工程并运行test文件（可将test文件中去掉一些注释部分运行更多功能）。-JAVA based on the realization of the image feature extraction image feature extraction source code source code, use the sob
genzong
- 目标跟踪代码，算法程序为纯c代码，是基于颜色特征的跟踪算法。-Tracking code, the algorithm procedure of pure c code, is based on color feature tracking algorithm.
imageindex
- 基于内容的图像检索中的一些关键环节：特征提取：颜色直方图；纹理特征等 相似度：马氏距离，欧氏距离等 相关反馈：机器学习方法，如SVM，神经网络等 检索与分类：两个很相似的样本距离很小，虽然两个不相似的样本距离未必很大 -image index based on texture
meanshift-tracking
- meanshift结合颜色特征跟踪目标的程序，经过调试无误，还有几个很好的meanshift算法学习资料包，非常适合初学者参考-color-based meanshift tracking program, some bugs have been fixed, and some information about meanshift is included too! enjoy yourself~~
linear_decoder_exercise
- 深度学习之用线性解码器学习颜色特征，是针对Andrew NG的Stanford公开课中的一个例子的练习的全部源代码，文件指明了数据集的下载地址，一旦下载到数据集，即可直接运行-Learning color features with Sparse Autoencoders
gonglv_pca
- MATLAB编程，提取LFP功率特征，采用PCA降维，实现不同颜色数据分类-MATLAB programming, LFP power feature extraction using PCA dimensionality reduction to achieve different color data classification
Color-feature-extraction
- 使用颜色矩提取图像中的特征提取，即颜色矩特征提取。使用颜色矩提取颜色特征。-The use color moment to extract the image feature extraction, namely the color moment feature extraction
image-sentiment-analysis
- 图片情感分析模型，基于卷积神经网络，以颜色特征为依据进行情感分类，图片情感极性分为积极和消极两类。(The model can extract the hue, brightness, contrast and other information from a picture to represent the emotional polarity of the image. The image sentiment analysis model is using convolution neura