搜索资源列表
RD
- SAR 图像处理 距离多普勒图像处理算法-rd arithmetic
repeating-units-of-patterned-fabric
- 印花植物存在同样纹理与印花版块的分割，通过距离二乘法，得出所截取的规则单元模块的大小，便于后续处理，减小图像处理的运算量-The calculation of repeating units of patterned fabric. It is facilitate to reduce the amount of computation during image processing.
Chebyshev
- 无边活动轮廓模型(C-V模型)是水平集分割方法中的一种经典模型.传统的无边活动轮廓模型将灰度同质作为区域分割准则,这使其对于仅含两个同质区域且灰度变化不大的图像能够取得很好的分割效果,但对灰度渐变图像分割时,该模型往往无法得到正确结果.本文针对这一问题,通过引入Chebyshev距离构造一种新的相似度,以此来表征演化曲线内外灰度差异,修改了传统无边活动轮廓模型中均值取值的定义,使得演化曲线在图像灰度变化缓慢区域获得较大的驱动力.新模型克服了传统无边活动轮廓模型不能正确分割灰度渐变图像的不足.实验
Registration-method5
- 基于亚像素红外与可见光图像配准.在六参数仿 射变换模型基础上采用改进的Hausdorff距离进行精确匹配-Based on sub-pixel infrared and visible image registration. In six parameters affine transformation model based on the improved Hausdorff distance exact match
imag_encode
- 本程序实现阵列图像的子图像编号，其中中心子图编号为1， 与其距离为1的图像编号为2，依次类推,距离为横纵坐标和与中心子图横纵坐标和的差值的绝对值 中心子图坐标为（x,y）,当前子图坐标为(x1,y1),编号为abs((x1+y1)-(x+y)) I是图像编号后的编号矩阵,center_x为横向中心子图坐标,center_y为纵向中心子图坐标 h_num为横向子图数，p_num为纵向子图数-image encoder
1-LEd
- 现在，基于视觉的手势识别中起着重要的在图像处理领域的作用，模式识别等在。人类的手是高度可变的器官和手特点是很容易受到各种环境因素的影响。考虑到手势的特性，在本文中我们提出了一种改进的YCbCr颜色空间的分割方法手势图像，并提取傅里叶描述子和胡矩作为识别特征。最后，Hausdorff距离用于识别手势的建模方法匹配。实验结果表明，提出的方法具有较高的操作和识别率。 关键词：-Now vision-based gesture recognition plays an important rol
HellokinectMAT
- 感知行为的影响因素包括单个关节的动作和不同关节的组态。因此提出一种新的基于关节的位置差异的特征类型，联合包括静态姿势、动作、位移在内的行为信息进行识别。采用关节在两个时间和空间区域的差异来明确地模拟个别关节动力学和不同关节的组态。然后应用主成分分析（PCA）来获得所需的特征。同时应用非参数的简捷的贝叶斯最近邻（NBNN）分类器进行多类行为的分类。这个NBNN分类器避免了帧描述符的量化，计算“图像到类别”的距离而不是“图像到图像”的距离。15到20帧的数据就足以实现手势以及动作的识别，无需应用整个
SobelOperator
- 在C++中使用sobel算子对图像进行距离变换-Use the sobel operator in C++ distance transformation in the image
CK-1_Repro.v1.02
- 有时间序列方法和技术的兴趣大增。从人，自然收集的信息几乎每一件，和生物过程是容易随时间的变化，以及这些变化如何发生的研究是一个中心问题充分理解这样的过程。所有的时间序列数据挖掘任务的分类中，可能是最突出的一个。在时间序列的分类有大量的实证研究，在时间域表明近邻规则是非常有效的。然而，一定的时间序列特征不在这个领域很容易地识别和表达的变化可能揭示了一些重要的和未知的特征。在这项工作中我们提出了递归图的使用对于时间序列的分类表示域。我们的方法复发措施地块使用坎帕纳基奥之间的相似性（CK-1）的距离，
zidceju
- CCD测量得到的图像，通过鼠标选择中心，自动显示横纵坐标距离-CCD image measured by the mouse to center, automatically displays horizontal and vertical coordinates of the distance
cameratoaxis
- 通过相机标定获得相机内部参数并对畸变图像处理 测量实际距离-Get inside the camera distortion and camera calibration parameters by measuring the actual distance image processing
image-matching-algorithm
- 实现了三种图像匹配算法 1：归一化互相关匹配算法 2：基于Hausdorff距离的图像匹配算法 3：图像不变矩匹配算法-Implements three image matching algorithm 1: normalized cross correlation matching algorithm 2: image matching algorithm based on Hausdorff distance 3: The image matching algorithm invariant
image-segmentation
- 针对目前传统的枸杞分级主要采用人工方法， 费时费力且效率不高的缺点， 提出了一种基于机器视觉技术对枸杞 进行自动分类的方法。 采用数字图像处理技术对枸杞图像进行了预处理、 分割 ， 从而提取枸杞的色泽、 大小及形状等特征 参数； 用 K-means 算法对特征进行聚类， 得到枸杞相应等级的基准； 根据聚类分析得到的基准采用最小距离分类器对枸杞 进行分级。 实验结果表明 ， 该方法能够准确快速地对不同色泽和大小的枸杞进行分类。-Traditional wolfberry sorting
c12
- matlab下的一个腐蚀数据地图处理的代码，包含对图像信息处理，聚类算法并且计算与边界距离，很好用-matlab under a corrosion map data processing code, including image information processing, clustering algorithms and calculates the distance to the boundary, good use
weizhi
- 基于matlab运动模糊图像角度与距离算法，盲恢复-Motion blur image angle and distance
Distance-Regularized-Level-Set
- 水平集方法是一种先进的图像分割方法。这个matlab代码演示了一个基于边缘的活动轮廓模型，是下面一篇带距离正则化的水平集方程论文的应用： C. Li, C. Xu, C. Gui, M. D. Fox, Distance Regularized Level Set Evolution and Its Application to Image Segmentation , IEEE Trans. Image Processing, vol. 19 (12), pp. 3243-3254,
bi_linear_quadratic_interpolation
- 双线性插值是指利用映射点在输入图像的4 个邻点的灰度值对映射点进行插值,即待插点处的数值用离待插点最近的四个点的值加权求得。在同一行内根据待插值像素点与其前后的原图像像素点的位置距离进行加权线性插值,即离原图像像素点越近的待插值像素点,原图像像素的加权系数就越大 行间根据待插值行与其上下的原图像行间的距离进行加权线性插值,即离原图像行越近的待插值行,原图像行的加权系数就越大-Bilinear mapping point is the use of four adjacent points in
ASM-2.2.1
- 对模型特征点周围的纹理信息进行采样，对比图像和模型训练集的纹理，找到纹理最接近的点即认为是特征点。作者这里比较纹理的工具是马氏距离。为了提高搜索的效率，作者还提到了多分辨率搜索周围像素纹理，对于粗糙的尺度，搜索范围大，对于细致的尺度，进行细致的搜索，提高了匹配的效率。-The texture information model feature points around the sampling, texture contrast image and model train sets, find
segmentation
- 简单的彩色图像分割算法，包括距离分割、阈值分割等，适合初学者-Simple image segmentation algorithm, suitable for beginners
zhongxinxian
- 用MATLAB做出图像的中心线，图像轮廓到中心线的距离是最短的-Centerline to make images using MATLAB, the center line is the shortest distance to the outline of the image