搜索资源列表
聚类程序
- 图像模式识别的聚类器设计，采用VC++实现，和分类器设计相对应。-the designation of image pattern recognation,VC++ is adopted, along with the sort ware designation
iris_bayes
- 贝叶斯分类器的C++源码，用IRIS作类例子，通俗易懂，适合作模式识别、图像处理研究开发用！-Bayesian classifier C source code, using IRIS category for example, easily understood and suitable for pattern recognition, Image processing research and development with!
classifier_knn
- 最近邻分类器（KNN）的C＋＋源码，适合模式识别、图像处理开发者用！-nearest neighbor classifier (KNN) of the C + + source code, suitable for pattern recognition, image processing developers use!
classifier_distance
- 模式识别中的距离分类器C++源代码，并含有一个文字识别的例子，适合模式识别、图像识别开发用！-pattern recognition of distance classifier C source code, and contains an example of character recognition, suitable for pattern recognition, Image Recognition by the development.
Ada_boostMat
- 在图像分析与识别中，有一种巧妙的分类器设计方法叫做Ada_boost，它在近年来以其良好的性能和易于理解的特点引起广泛的关注，并在各种领域被成功运用，大大提高了分类器的性能。-in Image Analysis and Recognition, there is a clever design classification method called Ada_boost. In recent years, with its good performance and easier to under
rtejfgds
- 现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction method using a majority of th
ImagePatternRecognition
- 本书介绍图像模式识别的各种算法及其编程实现步骤。全书共分为10章，内容包括：模式识别的基本概念，位图的基础知识，分类器设计，模板匹配分类器，基于概率统计的Bayes分类器，几何分类器，神经网络分类器，图像分割与特征提取，聚类分析，模糊聚类分析，遗传算法聚类分析-Image Pattern Recognition
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
Floatboost
- 在基于特征提取方法之上, 研究用算法对目标多视角问题进行分类器设计。在对 图像进行独立成分分析后, 针对多姿态角目标识别问题, 提出了角度优先粗分类的设计方法-Feature extraction method based on above research objective of the algorithm to classify multi-view design problem. In the right image independent component analysis, t
jiyutezhengronghehemohuhepanbian
- 提出了基于特征融合和模糊核判别分析(FKDA)的面部表情识别方法。首先，从每幅人脸图像中手工定 位34个基准点，作为面部表情图像的几何特征，同时采用Gabor小波变换方法对每幅表情图像进行变换，并提取基 准点处的Gabor小波系数值作为表情图像的Gabor特征；其次，利用典型相关分析技术对几何特征和Gabor特征进 行特征融合，作为表情识别的输人特征；然后，利用模糊核判别分析方法进一步提取表情的鉴别特征；最后，采用最 近邻分类器完成表情的分类识别。通过在JAFFE国际表情数据库和
3DFaceRecognitionBasedon3DLBPandKernelDiscriminant
- 二维照片的人脸识别对光照、姿态和化妆等因素很敏感，故提出了一种将三维局部二值模式(3DLBP)和核享，1剐分析(KDA)相结合的三维人脸识剐方法．采用3DLBP描述人脸深度图像的特征，高斯核函数KDA 作为分类器，使用Chi平方统计改进高斯核函数、采用FRGC v2．0中2003春季采集的三维人脸库进行实验．实验结果表明，该 方法在每人2个训练样本时，识别率为91．8％，而PCA和3DLBP的识别率分别为60．4％和78．3％；当每人的训练样本数增至6个时，识别率为98．4％，而PCA和3D
shibie
- 基于奇异值分解的人脸识别方法 梁毅雄 龚卫国 潘英俊 李伟红 刘嘉敏 张红梅 提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL
gabor-pca
- 本程序是先用gabor小波变换对人脸图像处理，然后在用pca进行降维，最后用svm分类器进行多分类分类识别，包扩完整的orl人脸库，需注意的是，svm工具箱是用的libsvm工具箱，运行前先配置好libsvm。版本号：libsvm-mat-2[1].89-3[FarutoUltimate3.0]-This procedure is to use the human face gabor wavelet transform image processing, and then to reduce
How-to-train-their-classifier-OpenCV
- matlab图像特征识别。分类器的训练方法。很好的学习资料。如何用OpenCV训练自己的分类器。内含人脸库共训练器使用-matlab image feature recognition. Classifier training methods. Good learning materials. How to use OpenCV train their own classification. Training face database containing a total of uses
SVM_SteveGunn
- SVM分类器，是一种比较经典的分类算法，常用作图像识别分类中的分类器，这是作者改进过的一种SVM分类算法。-svm satisfaction
SVM_SMO
- 线性分类器，svm，在图像识别分类表现不错(linear classification)
FingerTip
- 基于深度相机的手势识别，利用深度信息设置包围盒分割手，然后使用SVM分类器对训练数据集进行训练。在静态手势测试时，我们先计算测试图像的HOG特征，然后经SVM分类得到测试结果(Based on the gesture recognition of the depth camera, the depth information is used to set the bounding box to divide the hand, and then the training data set is
digit-recognition-master
- generateclassifier.py Python脚本来创建文件digits_cls.pkl分类器。 performrecognition.py Python脚本测试分类。 digits_cls.pkl -数字识别的分类器文件。 photo_1.jpg测试图像1号测试分类器 photo_2.jpg测试图像号码2测试分类(generateClassifier.py - Python scr ipt to create the classifier file digits_cl
基于PCA的人脸识别
- 使用PCA算法对人脸图像进行处理，使用adaboost算法训练分类器，对训练集中的20个人每人五张照片进行训练，对测试集中的同样多的照片进行识别，可以得到很高的识别率
降噪自编码
- 训练降噪自编码，运用降噪自编码器完成数据的特征提取和分类，可应用于图像识别。(examinationTraining noise reduction self coding, using noise reduction self coding to complete data feature extraction and classification, can be applied to image recognition.)