搜索资源列表
la
- 用于拉曼光谱的处理，包括去除荧光背景，自动拟合并自动储存结果。-For the treatment of Raman spectroscopy, including the removal of the background fluorescence, automatic fitting results of automatic storage.
chepaishibieyufengge
- 提出了一种基于颜色空间和字频统计结合的车牌分割方法。该方法是在HSV彩色空间中,充分利用车牌图像提供的彩色信息,构造出灰度图,然后采用数学形态学、字频统计方法分析和判断,进行初定位。然后进行水平和垂直倾斜校正，去除边框，最后确定并分割出汽车牌照。该方法不受车牌大小、位置以及车牌的背景和光照条件等方面的限制-Proposed license plate segmentation method based on color space and a combination of word freque
radar-moving-target-simulation
- 利用固定目标和运动目标之间速度的差别所引起的多普勒频移不同根据在动目标 显示和动目标检测中使用的各种滤波器去除固定杂波提取动目标的回波能够大大 改善在杂波背景下检测运动目标的能力仿真结果显示出很好的效果也给出了改善 因子与积累脉冲数间关系 -radar moving target simulation
ellipseface
- 带背景的椭圆形窗体源码(VC) 使用VC所学的窗体制作知识创建一个椭圆形的窗体，在这个不规则窗体内使用了背景图像，bmp格式的背景图片，去除了窗口上的标题栏和最小化、最大化以及关闭按钮，退出时主按键盘的“ESC”键。窗口最终效果如.. 语言界面：简体中文 -Oval form with background source (VC) Use VC production knowledge learned form to create an elliptical form, in thi
ContinuumClass
- 信息解译 连续统去除，增加光谱吸收特征，消除背景噪声影响-Information interpretation Continuum removal, increased spectral absorption characteristics, eliminate background noise
shurushuchushijian
- 蓝幕技术是通过在同一色彩的背景上拍摄物体，通过背景色彩特殊的色调信息加以区分前景和背景，从而达到自动去除背景保留前景的目的。-Blue screen technology is by shooting the same color of the background object, to distinguish between foreground and background information by the special tone color of the background to
2
- 步态识别论文，对目标检测方法进行了分析，提出了在HSL颜色模型空间中，利用时间域中值滤波算法构建背景模型，采用背景减除法实现人体上肢和下肢关节点的检测，采用闽值分割、形态学滤波和颗粒去除操作对关节点的图像进行二值化处理，为后续相关特征的提取做好了准备。 -Gait identification papers, for target detection methods are analyzed, presented at the HSL color space model, using med
sz100wz
- 优化网址频道旧版本(2004版和2005测式版)，去除局部背景图，大大减少了网站空间的占用，提高访问速度，用冷色调，单一配色体现正规更适合门户和大型网址频道专用，同时对后台进行了同步修改用 户名:admin 密码:www.sz100.cn-Optimization URL channels older version (version 2004 and 2005 test type edition), to remove the local background, greatly red
mean
- 求多幅遥感影像的年平均，可以设置背景值并在计算的时候将背景值去除，得到年平均遥感影像-Seeking multiple remote sensing images average, you can set the background and in the calculation of the value of the background value removed to give the average remote sensing images
mixture_of_gaussians
- 计算机视觉中最重要的研究之一就是运动目标检测，其不但在模式识别方面具有相关的研究，而且在图像理解领域也有非凡的意义。运动目标检测是通过通过图像序列帧图像来提取运动目标，通过运用相关的算法一幅图片被划分为前景点和背景点。运动目标检测算法是后续的运动目标分类、运动目标跟踪和分析提供了基础。本论文讲述了几种常用的视频运动目标检测算法，并就背景差分法进行了重点研究，通过两种方法来对比差分法的特点。其中背景差分法算法的主要流程为：视频获取、视频转化为图片序列、图片灰度化处理、去除噪声、差分图片、对图片进行
Ico-make
- ICO图片制作源码,可以选择尺寸大小和去除背景颜色- ICO picture production source, you can the size and background color removal
GS
- 基于opencv实现的去除背景后的单高斯算法-Gauss algorithm based on single post opencv realized remove background
SkinCapiture
- 对皮肤目标进行检测。在摄像头内是皮肤对象就会被显示，其他的背景都被去除。-Skin target detection. The camera is in the skin object will be displayed, other background is removed.
xiaonao
- 阈值分割算法，t为选取的合适的阈值，img1为阈值分割后的图像；选择高、低两个阈值的分割算法，t1,t2分别为选取的两个合适的阈值（t1<t2），t1为去除背景和颅骨等的低阈值，t2为去除脂肪和肌肉等的高阈值，img1为阈值分割后的图像-Threshold segmentation algorithm, t is appropriate threshold selected, img1 image after thresholding choose high, low segmentat
去条纹
- function [data_new_new ] = verstripewipe_new1( date, opt ) % -------去除垂直条纹(全局去条纹法)--------------- %Input: % data:要去除噪声的数据矩阵,M-by-N-by-D % opt:对于有黑色背景的图像,把去条纹对背景带来的影响去掉:1,否则:0 % Output: % data_new_new:去除条纹噪声后的数据矩阵 %if ~exis
two
- ：植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而，低维特征不能全面描述叶片信息，识别准确率低，本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理，获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征，对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征，对纹理图像提取分形维数，共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相
kou
- 易语言自动抠图去除背景源码例程程序结合易语言位图操作支持库，可以自动截取图片,去除单色背景叠加背景图。 -Easy language automatic matting remove background source routine procedures combined with easy language bitmap operations support library, can automatically capture the images, remove the monochr
SplitBackground
- 利用几种阈值法从给定的图像中分割出目标，去除背景-Use several thresholds to segment the target a given image and remove the background
transfer
- matlab实现的基于小波变化的语音去噪源码，可以去除语音中的背景噪声。-Matlab based on the wavelet changes in the voice de-noising source, you can remove the background noise in the voice.
spectra preprocess
- 实现光谱数据的预处理，去除背景和基线漂移，具有非常好的效果，已经试验成功。(To achieve the preprocessing of spectral data, removing background and baseline drifts with very good results, and it has been successfully tested.)