搜索资源列表
112233
- 在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位置。实验表明，与常见的定位方
22219011211120071115164509189959
- SUSAN算子用于角点检测的基本步骤： 1） 对于感兴趣的每个象素点（一般的情况就是图像中的每个象素点）作用一圆模板； 2） 根据亮度比较函数计算圆模板中的USAN区域； 3） 根据几何阈值，计算象素点的初始响应； 4） 使用USAN重心与核中心的距离法则去除伪角点，使用USAN重心与核中心的连线上的每个点都必须在USAN区域来保证算法的一致性（即USAN区域的相连性） 5） 对每个象素点的响应，使用 （或更大）的窗口搜索局部极大值，进行非极大值抑制
Touch_exe
- 该软件支持jpg，gif、png图片格式，大致有下列功能： V 0.1 版： 1. 图像放大、缩小、复制、打印、获取当前图像任意位置颜色信息。 2. 显示图像灰度直方图。 3. 灰度统计：图像宽度、高度、最小灰度、最大灰度、灰度均值 Mean、灰度方差 Variance、标准差、偏态 Skewness、峰度系数 Kurtosis、熵 (Entropy)。 4. RGB三原色分离、RGB图转灰度图、灰度均衡、图像可调阈值二值化、图像反色。 5. 图像可调阈值边缘检测：Rob
一个非常好用的Autocad工具集
- ********************************************************* * AyungerStudio AutoCAD-Tools 更新日期: 2010.02.01 * ********************************************************* 这是本人近年来独自开发的一个AutoCAD修改工具集合，现与各位共享，主要包括： 1、 绘制类： 箭头、示坡线、锥坡线、剖断线、垂线、切线、等高线加
Reconstruct
- 车载摄像头二维图像三维重建的源代码，能重建车辆前方道路上像素点距离车头中心点的距离，角度。-failed to translate
facerecognizeonPCA
- 像的许多个空间中的一个。不管子空间的具体形式如何，这种方法用于图像识别的基本思想 都是一样的，首先选择一个合适的子空间，图像将被投影到这个子空间上，然后利用对图像 的这种投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。-Like much of a space. Regardless of the specific sub-space form, this method has been applied to image recognition are the same
snake
- 在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位置。实验表明，与常见的定位方
mySnake-2
- 基于动态轮廓模型的虹膜定位.在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位
MatlabCodeForFaceDetecting
- 对于一个人脸库都在图像中能有确定的位置，比如，鼻子在图像的中心区距离上边沿和左边沿的距离一定。这就需要能用程序自动检测到人脸并定位。 -FOR FACE DETECTING
xdx
- 本文介绍的是基于类内最小距离的人耳识别，利用图像处理上的一些基本的预处理和特征提取与类内最小距离比较来达到识别的目的，通过在VC环境下运用C++和OPENCV进行编程，观察实现的效果。-ear recognition Based on the minimum distance
camera-calibration-
- 首先自制一张标定图片，用A4纸打印出来，设定距离，再设定标定棋盘的格子数目，如8×6，然后利用cvFindChessboardCorners找到棋盘在摄像头中的2D位置，这里cvFindChessboardCorners不太稳定，有时不能工作，也许需要图像增强处理。 计算实际的距离，应该是3D的距离。我设定为21.6毫米，既在A4纸上为两厘米。 再用cvCalibrateCamera2计算内参， 最后用cvUndistort2纠正图像的变形。 -First, a
project_1
- SAR成像，使用的是经典的距离多普勒算法，用c++形成矩阵，然后可以在matlab上看到图像-SAR imaging, using the classic distance Doppler algorithm using c++ form a matrix, then you can see an image in matlab
LED--Brightness-test
- 本程序主要是通过模板匹配的方法来对LED显示模块上的每个灯进行亮度检测。主要是根据模板图像和已知的图像的欧氏距离来进行检测。-This procedure is mainly through template matching method to the LED display module detects the brightness of each lamp. Mainly based on the template image and the known image of the Eucl
Image-Segmentation-Method
- 本文主要研究基于水平集方法的活动轮廓模型图像分割，在回顾活动轮廓模 型发展的基础上，介绍了曲线演化理论及其水平集方法，证明了水平集方法可以 有稳定的数值实现方式且其处理拓扑变化的自然性，进一步引出了变分水平集方 法。 本文介绍了两种不同的几何活动轮廓模型：基于梯度信息的李纯明模型以及 基于区域信息的 Chan-Vese 模型（C-V 模型）。在分析上述两模型的优缺点上，提 出了一种改进的 C-V 模型，改进模型引入了距离约束项，同时对基于区域的外部 能量项进行了改进，
Face-Recognition
- 人脸识别，人脸图像预处理；读入人脸库，训练形成特征子空间；把训练图像和测试图像投影到上一步骤中得到的子空间上；选择一定 的距离函数进行识别。-Recognition, face image preprocessing read into the face database, training the formation of the feature sub-space the training images and test images were projected into the su
WebSite1
- 在主图上移动和改变选框的大小，通过Javascr ipt实现截取该选框内部的图像选区，并且把选框的长宽，选框距离各个边框的位置，动态的显示出来，实现用户根据需要截取一张大图的局部。-Move and change the marquee the size of the main map via Javascr ipt to achieve the interception of the marquee of images within the constituency, and the leng
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
2013
- 基于单目相机和激光测距仪, 文章提出从一幅图像中识别出非合作目标物体上的矩形面,并提取出 4 个顶点坐标的特征提取方法,为位姿的测量提供必要的信息 提出以激光点为参考, 距离激光点最近的 4 条边 界为矩形面边界的判定准则,并根据激光点到直线的垂足和边界端点约束排除干扰线段 该方法能有效地判 定出矩形面且顶点定位准确,在空间机器人视觉伺服控制半物理仿真系统上得到了验证。-An approach to identi fying the rectangular plane of the
image-matching-
- 针对 １２８ 维 ＳＩＦＴ 特 征向量，采用距离匹配和余弦相似度匹配相结合的测度方法，利用特征点方向一致性进一步降低误匹配率 ． 实验结 果表明：改进算法对图像的缩放、旋转、光照、噪声和小尺度的视角变换均有较好的匹配效果 ． 与原算法相比，在保 证匹配点数和匹配时间的基础上，改进算法对旋转、缩放、噪声模糊和光照变换的误匹配率平均降低 １０％～２０％ ， 对于小尺度的视角变换，误匹配率平均降低 ５％． -For 128-dimensi
pingmian
- 平面图像立体化研究 将平面图像转换成立体图像很有意义。Hou等人(2002)提出了一种平面图像立体化方法,称为Hou方法。在这个方法中Hou等人使用随机变量等参数控制转换过程,但没有讨论这些参数对立体效果的影响。该文利用Hou方法在标准的计算机监视器上对含有心理深度暗示的平面图像进行了立体化,给出了评价转换后的立体效果的定量指标,并讨论了各参数对立体效果的影响。实验结果表明:当随机变量矩阵中的每一个随机变量都服从同一种均匀分布时,随机变量的取值对立体效果没有多大的影响 当监视器屏幕与观察者