搜索资源列表
PF_review
- 粒子滤波算法的综述：首先介绍粒子滤波的特征及算法分类,然后对其关键技术进行了归纳分析,并给出了粒子滤波的一些典型应用成果,最后指出了粒子滤波技术亟待解决的一些热点和难点问题。-Summary of particle filter algorithm
Texture-Segmen-ta-t-ion-withWavelet
- 为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率, 提出了一种基于小波变换的利 用特征加权来进行纹理分割的方法. 该方法包括特征提取、预分割和后分割 3 个阶段, 其中, 特征提取在金字塔结 构小波变换的基础上进行 预分割利用均值聚类算法来对原始图象进行初步的分割 后分割则根据预分割的结果 对特征进行加权, 然后利用最小距离分类器来实现图象的最后分割. 与传统的方法相比, 该方法在分割错误率、边 缘准确性以及区域一致性等方面均有明显的改善-To imp rove t
121
- 本文以红外成像制导的图像处理分析和目标识 别为主线，针对各个环节所存在的困难，系统研究了目标识别系统中的图像滤波、 目标分割、二维目标特征提取、三维目标特征提取和分类识别等问题。 -The main line of the image processing and analysis of the infrared imaging guidance and target recognition, target recognition system image filtering sys
themethodofimageretrivel
- 特征提取为分类器提供所有依据，它的表征性能直接决定了识别分类的效 率和精度。-Feature extraction based on the classification with all its characterization classification performance directly determines the efficiency and accuracy of identification.
PCA
- 在这篇文章中，我们主要阐述了基于PCA和LDA的人脸识别技术。这个技术包含两个步骤：首先，我们通过PCA将人脸图片从原始向量空间中提取到子向量空间——特征脸空间；然后，再通过LDA获得一个线性分类器。-In this article, we mainly elaborated based on PCA and LDA face recognition technology. This technique consists of two steps: First, we will face ima
Pedestr-ian-Detection
- 基于多特征的AdaBoost行人检测算法, 提出一种融合灰 度和轮廓信息的新的多特征综合表示方法. 该方法通过统计样本的权重直方图建立分类模 型, 并用多个直方图的乘积表示样本在多特征下对应的联合概率分布-AdaBoost pedestrian detection algorithm based on multi-feature, presents a fusion of grayscale and contour information of the new multi-feature
Fusing-Multiple-Feature
- 通过改进基于Haar-like特征和Adaboost的级联分类器，提出一种融合Haar-like特征和 HOG特征的道路车辆检测方法-By improving based on Haar-like features and Adaboost cascade classifier, presents a fusion of Haar-like features and characteristics of HOG road vehicle detection method
ExtinctionProfiles
- 一种新的高光谱图像分类方法，采用形态学坡面方法提取特征,获得图像的空间特征，从而提高分类精度。-Extinction Profiles for the Classification of Remote Sensing Data