搜索资源列表
Medical_Image_Segmentation_Based_on_Snake_Model.ra
- 基于Snake 模型的图像分割技术是近年来图像处理领域的研究热点之一。Snake 模型承载上层先验知识并融合 了图像的底层特征,针对医学图像的特殊性,能有效地应用于医学图像的分割中。本文对各种基于Snake 模型的改进算法和 进化模型进行了研究,并重点梳理了最新的研究成果,以利于把握基于Snake 模型的医学图像分割方法的脉络和发展方向。
Medical-Image-Segmentation
- 基于Snake模型的图像分割技术是近年来图像处理领域的研究热点之一。Snake模型承载上层先验知识并融合 了图像的底层特征,针对医学图像的特殊性,能有效地应用于医学图像的分割中。本文对各种基于Snake模型的改进算法和 进化模型进行了研究,并重点梳理了最新的研究成果,以利于把握基于Snake模型的医学图像分割方法的脉络和发展方向-Snake model based image segmentation image processing technology in recent years
colorhist
- 颜色特征提取,为matlab 源文件,是底层图像处理的基本特征之一,是本人在做硕士论文时收集修改的代码-Color Feature Extraction for the matlab source file, the underlying image processing are one of the essential features
edgedirection
- 轮廓特征提取,是图像处理中底层特征中的一个重要参数,是我硕士论文中的代码-Contour feature extraction, image processing are the underlying characteristics of an important parameter, is my master' s thesis in the code
Tamuratexture
- 图像纹理特征提取,是图像处理中一另一个非常重要的底层特征,matlab实现-Image texture feature extraction, image processing are very important to one another underlying characteristics, matlab implementation
CVE_intrusion
- 本文首先系统分析了 snort 规则的组成,详细的介绍了各个部分的含义,这对于开发出新的入侵检测系统,建立自己的攻击规则库有很大的帮助。针对系统所需的适应性和自治性,在详细剖析 snort 规则同时,着重研究基于 CVE 入侵检测系统的规则库的实现,底层嗅探器的实现和嗅探过程等问题。在规则特征选项的模式匹配问题上进行重点说明,给出了一种改进的检测方法,即结合使用协议分析进行模式匹配,从试验数据上大大提高了效率,减少了误报率。同时,本系统所基于的 CVE 知识库,跟踪国际上 CVE 的最新发展动态
jAudio
- jaudio 音频特征提取软件说明文档 提取音频相关的底层特征-jaudio audio feature extraction software, documentation related to the underlying audio feature extraction
NSCT
- 1.分析研究了基于内容的图像检索系统的工作原理,关键技术如:纹 理、形状等图像底层特征的描述方法, 图像间的相似性度量方法, 图像库索引机制等。 2.研究了基于纹理特征的图像检索方法,并提出了一种基于NSCT 变 换的纹理特征提取方法。通过对SAR 图像及相关图像进行NSCT 分解,计算不同尺度不同方向上的系数幅度序列的均值,标准方差 和三阶中心矩,以此构成特征向量来描述图像的纹理。实验证明本 文提出的采用NSCT 算法有较好的特征提取效果,引入三阶中心矩 作为特
GdalBrowser
- GDAL支持的Morton 编码金字塔无缝漫游工具,从2007年开始,不断更新到2011年,偶的小业余研究。底层基于GDAL, 支持很多冷门格式。使用Morton金字塔重构二维数据,加上内存映射文件的帮助,浏览GB级影像没有问题。内嵌带接缝处理的透明分块条带处理接口,无需了解金字塔,也能透明对GB级影像进行各种处理。内嵌直方图均衡和模板卷积的例子,演示如何透明的开发处理算法。附带重要的功能是“尺度不变特征SIFT”的特征提取,本来是上学时的论文,经过这些年零敲碎打的改造,现在能进行全自动、半自动
FeatureExtraction
- 数字图像底层特征的提取,相信对你一定会有所帮助的-Underlying digital image feature extraction, I believe you will be helpful! ! !
04
- 如何面对人们日常生活中接触到的,尤其是互联网上数量激增的图像进行有 效的分类,已经成为研究的新热点。虽然现有的图像分类技术已经取得不错的性 能,但是它们还存在着一些问题。一是大部分现有的图像分类算法都是基于图像 的底层特征,’无法解决图像分类中的“语义鸿沟”问题;二是,大多数图像分类算 法总是忽视图像中部分与部分之间的空间关系。-How to face contact with people' s daily lives, especially surge in the n
picdetect
- 文档图像中的图片检测。。采用了一些底层特征。。复杂度低-Detection of document images in the picture. . Used a number of underlying features. . Low complexity
image-analysis
- 图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构,从而提取具有一定智能性的信息。-Image analysis generally using mathematical model and combining with image processing techniques to analyze the bottom characteristics and the upper structure, it has some intelligence information ex
Image-analysis
- 图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构,从而提取具有一定智能性的信息。-Image analysis
Learning-hierarchical-invariant
- deep learning一般是学习的层次结构,它也是有一定理论依据的,即模拟人脑的大脑皮层工作,因为大脑皮层的视觉区域也是分层次工作的,越底层的视觉皮层对那些底层特征就越敏感。综上所述,feature learning有这么多应用需求的驱动和生物神经理论上的支持,注定它能够在AI领域中发挥一定的作用。一些实验表明,有些feature learning学习到的特征几乎比所有其它的特征效果要好,比如本文中的ISA模型就是其中一个。-deep learning hierarchy of learni
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,
Matlabtuxianglvbo
- 图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构,从而提取具有一定智能性的信息。-General image analysis using mathematical models combined with image processing techniques to analyze the underlying characteristics and the upper structure, thereby extracting information with a cer
tuxiangfenge
- 图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构,从而提取具有一定智能性的信息。-General image analysis using mathematical models combined with image processing techniques to analyze the underlying characteristics and the upper structure, thereby extracting information with a cer
3
- 基于底层特征和SVM的图像分类image classification based on the underlying characteristics and the SVM(image classification based on the underlying characteristics and the SVM)
Colorhist_Libsvm_dem
- 随着科学技术的飞速发展,机器学习与人工智能技术的不断创新,人们对特定信息检索的需求逐渐增加,使得如何对资源进行合理有效的分类成为一个关键问题。近几年来,基于内容的图像分类的研究焦点主要集中在自然图像的场景分类和物体分类两个方面,大多采用有监督学习方法,通过对底层特征建模和中间语义分析来实现分类。 本文基于Libsvm的图像分类研究及实现,主要针对的是物体分类这一方面,选用了五类水果作为分类研究的对象。对图像进行分类的大体步骤主要包括采集图像样本(主要从Web上获取)、图像预处理(如截成大小一致