搜索资源列表
05582198
- 在这篇文章中,我们提出用一种全新的方法即前景后景分离(FBS)结构法来解释极化合成孔径雷达(极化SAR)图像。这种FBS结构法在像素上考虑了空间关系并融合了成对差异分组法的优点,FBS法可以将特定的目标和对象从背景中分离出来,这在解译系统中是必不可少的。可结合多种FBS操作来解译极化SAR图像并灵活地融合各种固有特征的极化SAR数据。几组极化SAR数据将被用来验证提出的方法。-In this article, we propose a new method that prospects King
Feature-fusion-based-on-NMF-and-NSCT
- 一种基于非负矩阵分解和红外特征的图像融 合方法,实现源图像的目标区域和背景区域分别融合。-A proposal method based on non-negative factorization (NMF) and infrared feature is presented for infrared and visual images fusion, which fuses the target region and background respectively .
bijishibie
- 基于纹理分析笔迹鉴别系统的设计与实现,文中从笔迹图像预处理、特征提取、分类器以及分类器组合等方而展开研究,设计和实现了一个基于文本独立的离线手写体笔迹鉴别系统软件.-Design and Implementation of the writer identification system based on texture analysis, the paper from the handwriting image preprocessing, feature extraction, classi
Digital-Imaging
- 本资料是基于VC++进行数字图像获取,处理及实践应用进行了全面系统的阐述. 分别讨论了位图及图像类的概念,图像获取,图像增强,图像复原,正交变换, 压缩编码,图像配准,运动检测,特征提取,图像分割及时报的相关知识.-This information is based VC++ digital image acquisition, processing and practical application of a comprehensive and systematic expositio
An-Improved-ModeBased
- 针对关节式物体检测的复杂性, 本文提出一种新颖的视觉推理方法。该方法基于可变形的物 体模型, 同时利用图像中所包含的边缘信息特征( 不依赖于局部特征, 如肤色等) 及各子部件的空间位置关 系, 迭代地进行关节式物体检测和定位估计。实验证明, 该方法有较强的抗背景干扰能力, 视觉上能大幅 度改进关节式物体检测、定位的结果-Aiming at the complex ity of art iculated object detect ion, this paper pro poses a
motion
- 该文讨论了图像序列中运动物体的姿态描述问题。以姿态向量作为刻画运动序列的统一参数,建立了由姿态向 量计算外部特征点运动轨迹的关系式,讨论了逆向映射的计算方法-This paper discusses the gesture of moving objects in the image sequence to describe the problem. Posture vector as portrayed unified motion sequence parameters, the est
Analysis-on-Moving-Object
- 计算机视觉研究的主要问题之一是运动物体的检测与跟踪, 它将图像处理、模式识别、自动控制、人 工智能和计算机等很多领域的先进技术结合在了一起, 主要应用在军事视觉制导、视频监控、医疗诊断和智能交通 等各个方面, 因此该技术已经成为一个重要的研究方向。阐述了视觉跟踪算法的研究现状和视觉跟踪算法的种类, 研究了基于区域的跟踪算法、基于模型的跟踪算法、基于特征的跟踪算法和基于主动轮廓的跟踪算法, 探讨了视觉 跟踪算法的未来研究方向。-One of the computer vision
feature_selection
- 特征选择的一些论文 包括期刊和学位论文,SAR图像和光学图像均有涉及,比较全面-some paper for feature selection
tuxiangfenlei
- 图像分类方法,利用图像的纹理特征来区分不同的图像-failed to translate
0
- 利用主元分析和奇异值分解进行人脸特征提取的方法(并详细阐述其在PQRSQT中的实现过程(包括读取图像文件U计算均值脸U求特征值和特征向量(计算人脸特征参数-实现过程均给出了MATLAB代码-Using principal component analysis and singular value decomposition facial feature extraction method (and detail its in the PQRSQT in the implementation pr
PCA
- 提出了一种二维类增广PCA(2DCAPCA)的人脸识别算法。用二维PCA(2DPCA)方法直接对人脸图像矩阵进行特征提取,对提取的特征进行归一化处理,将归一化处理后的特征与类别信息结合构成类增广矩阵,对类增广矩阵进行2DPCA处理,提 取图像的类增广矩阵特征-This paper proposes a face recognition approach of two-dimension class-augmented PCA.
Images-Texture-Features.
- 纹理图像的特征提取,这对日后用MATLAB提取相关特征值有一定的引导作用-Texture image feature extraction, which extracts relevant features using MATLAB future value of certain guide
SparseRepresentationaItsApplication
- 稀疏表达及其应用的简单介绍,其中涵盖了稀疏表示、特征提取、压缩感知、图像增强、盲源分离、模式分类、目标跟踪和图像超分辨等。PPT和PDF是对应的,并添加了可视化的结果。-Sparse Representation and Its Application: Compressive Sensing, Visual Feature, Image Enhancement, Blind Source Separation, Pattern Classification, Object Tracking a
color-shape-feature-of-algorithm
- 提取图像的颜色特征和形状特征用于检索图像-Comprehensive color feature and shape feature of image retrieval algorithm
hlac
- 上传的内容主要是关于hlac对图像的处理,图像的特征提取。-Upload content mainly about hlac for image processing, image feature extraction.
3D-Reconstruction
- 基于多幅图像序列的三维重建技术,以两幅图像的三维重建算法为基础,采用由运动 中恢复校准的结构方法,在已知摄像机参数的情况下,利用KLT特征点跟踪算法,实现了多 幅图像的三维重建,并利用集束调整优化了重建结果.-We presented a three dimensional reconstmction method based on image sequence of multiple images. Under the condition of the known camem pa
MFC-OpenCV
- OpenCV视频教程,目标检测与跟踪,车辆特征识别,人脸识别,字符识别,特征提取, 图像分割,手势识别,计算机视觉视频教程,opencv基础知识 -OpenCV is released under a BSD license and hence it’s free for both academic and commercial use. It has C++, C, Python and Java interfaces
IMAGEANNOTATIONBASED-ONENSEMBLE
- 基于底层特征的图像内容和人为理解的图像语义之间存在“语义鸿沟"的现象,而基于图像底层视觉特征的图像自动标注技术,能够实现从图像的底层特征中提取出高级语义信息的关键字来标注图像,能很好的解决这一难题-Based on the underlying features of image content and image semantic understanding of human existence between the " semantic gap" phenomenon,
image-matching--
- 首先对图像 进行高斯和 Wallis 滤波处理,然后采用简化 SIFT 算法进行特征点提取,最后通过特征点双向 匹配方法实现图像的精确匹配。通过对缺陷版图图像的试验验证了该方法具有匹配点数量 多、准确率高、无重复点等优点。-First of all Gaussian image filtering and Wallis and simplified SIFT feature point extraction algorithm, and finally through the fea
image-feature
- 把 SIFT 算法应用在牙齿模型图像上,检测牙齿图像的特征点。 方法:首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息,从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点,得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度,并采用 KNN 算法进行特征匹配。 结果:通过大量的实验和与其他特征提取方法相比较,该方法能有效地检测牙 齿模型图像的特征,并为牙齿