搜索资源列表
Matlab
- Matlab图形图像处理函数,相当有用,对图象处理的朋友帮助很大哦-Matlab graphics image processing function, very useful for image processing friends helped oh
0367-6234(2005)01-0022-04
- AAA基于多特征的图像自动配准,该算法不仅降低了计算量,而且减少了误配的可能性,并且对灰度差异较大的图像也是适用的。-AAA-based multi-feature image automatic registration, the algorithm not only reduces computation, but also reduce the possibility of error distribution and intensity differences on the larger
Active-Contour-Models-
- 传统Snake 模型存在的缺点是, 其初始轮廓必须靠近图像中感兴趣目标的真实边缘,否则会得到错误结 果,且由于Snake 模型的非凸性,结果不能进入感兴趣目标的深凹部分,很容易陷入局部极小点. 由此该文提出一 种基于力场分析的主动轮廓模型,详细分析了基于欧氏距离变换的距离势能力场分布,归纳出感兴趣目标上真轮 廓点与假轮廓点的判别标准. 建立了由曲线能量到最终结果的有效方法,避免了Snake 陷入局部极小点. 实验结果 表明,该模型具有较大的捕获区域,能够进入感兴趣目标的深凹部分
snake
- 本文针对()*+, 模型应用于图像边缘检测时对于噪音过于敏感的不足和易于从弱边界溢出!提出了一种 新的约束力" 在新的约束力的作用下!()*+, 模型可以很好地减小噪音的干扰!防止曲线溢出弱边界!并使初始曲 线具有更大的选择空间!使模型的分割性能更好" 实验证明该模型可以分割出较好的目标边界"-In this paper, ()*+ model is applied to the image edge detection too sensitive to the lack of nois
pinjie
- 将多幅在不同时刻、从不同视角或者由不同传感器获得的图像经过对齐然后无缝地融合在一起,从而得到一幅大视场、高分辨率图像的处理过程。该图像被称为全景图。 -Pieces at different times, from different perspectives, or the images obtained by the different sensors after alignment and then seamlessly blend together, resulting in a l
Simulated-Annealing
- 由于K-means 聚类方法对遥感图像进行分类时,对训练样本的选取依赖性很大,容易陷入局部最优的陷阱的情况,本文提出利用模拟退化算法对K-means 的聚类进行优化以获得 全局最优解的分类新方案。并以多波段影像为例进行验证分析,结果表明该方法可行,收敛 结果优于K-means 聚类算法,分类精度相对传统的K-means 算法更高。-Because K-means clustering classification depend on the training sample selecti
surf
- SURF意指 加速的具有鲁棒性的特征,由Bay在2006年首次提出,这项技术可以应用于计算机视觉的物体识别以及3D重构中。SURF算子由SIFT算子改进而来,一般来说,标准的SURF算子比SIFT算子快好几倍,并且在多幅图片下具有更好的鲁棒性。SURF最大的特征在于采用了harr特征以及积分图像integral image的概念,这大大加快了程序的运行时间。-SURF (Speeded Up Robust Feature) is a robust local feature detector,
基于图像分割的两相流PIV测量技术
- : 介绍了采用图像分割技术, 将密度较低的大悬浮颗粒和高浓度的示踪粒子共存的两相流场图像进行分 离(相分离) ,对经过分割的悬浮相图像和连续相图像分别进行 PTV 和 PIV 运算, 以实现对两相流动各个相速度场 的同时测量。而后将基于相分离的 PIV/PTV 程序应用于对液固两相冲击射流流场的实验测量,并对测量结果进行 了研究和分析,从而验证了相分离程序。实验结果表明, 基于图像分割的 PIV/PTV 程序在两相流速度场测量中具 有较好的实用性。
关于人工智能在数据质量管理中的应用
- 说实在的,这个概念有些过于高大上,从大的方面包括、、强化学习等等,而深度学习又包括图像识别、语音识别、自然语言处理、预测分析;机器学习则包括监督学习、无监督学习、半监督学习,监督学习又细分为回归、分类、决策树等等。理论上人工智能什么都能做,什么都能迎合的上。