搜索资源列表
Image
- 图像的特征提取，典型案例是基于PCA技术的人脸数据集得降维处理-Image feature extraction, a typical case is based on PCA face data set to reduce the dimension of
PCA_based-Face-Recognition-System
- 基于PCA的人脸重建，包括20个训练图像，10个测试图像。-PCA_based face recognition
2DKPCA
- 实现2维核PCA的图像特征提取及识别功能-2-dimensional KPCA image feature extraction and recognition
Color-rendering.
- 本文的目的是提供一个我开发的SSE优化的，C++库，用于人脸检测，你可以马上把它用于你的视频监控系统中。涉及的技术有：小波分析，尺度缩减模型（PCA,LDA,ICA），人工神经网络（ANN），支持向量机（SVM），SSE编程，图像处理，直方图均衡，图像滤波，C++编程，还有一下其它的人脸检测的背景知识。-Face expression identification code, part of the realization of the algorithm and write the purpo
model4--2009011537
- 模式识别作业四，用PCA方法处理数据。并对数据进行分类/降维，做出二维图像-Pattern recognition operations data processed by PCA method. And data classification/dimensionality reduction, make a two-dimensional image
image-processing
- 有关图像图形处理 图像识别 主成分分析法，模板匹配等识别方法的Matlab程序-Principal component analysis (pca) on video image processing image recognition, template matching identification methods, such as Matlab
fsvm_pca
- 一个基于FSVM的人脸识别程序，用PCA提取特征，进行识别，里面包含原始的人脸图像-A based on FSVM face recognition program, using PCA feature extraction, identification, which contains the original face image
PCA1
- PCA算法对图像进行压缩，并评价压缩效果-Use PCA arithmetic to compress photographic images, and evaluate the compressing result.
data_fusion_tools
- 图像融合，加权平均值，PCA方法，拉普拉斯方法，源程序-Image fusion, weighted average, PCA method, Laplace method, source
tuxiangronghe
- matlab程序：图像融合，包括HIS，pca的融合-Matlab program: image fusion, including HIS, PCA fusion
test3
- 对测试图像进行基于PCA的特征提取,然后在特征空间进行标示-PCA-based feature extraction, and then the test image in the feature space marked
Principal-component-analysis
- 主成分分析法实现图像压缩,主要是应用主成分分析来进行图像信息的压缩处理和重构。- Principal component analysis (pca) to realize image compression, is mainly used principal component analysis for image compression processing, and refactoring.
Irispca
- Iris 数据集的pca降维，先对Iris数据集进行特征提取，数据归一化，并将结果用图像显示出来。-Iris dataset pca dimensionality reduction
ReadingPeopleTracker-1.27.tar
- 基于计算机视觉的人体跟踪程序,包括数据、PCA等算法、应用接口等源码，对从事计算机视觉及图像处理的人员具有很好的参考价值。-Object Tracking
pattern1_a
- . PCA人脸识别 A．闭集测试。用每个人的前5张图像作为训练，剩下的5张图像作为测试。也就是说总共有200张训练图像和200张测试图像。采用最近邻分类，分析选取不同的主分量个数K，对识别率的影响 -. PCA Face Recognition A. Closed set tests. With each of the first five images for training, the remaining 5 images as a test. That is a total of
face_recognition
- 1. 本程序使用PCA算法对训练图像降维，得到特征图像； 2. 将每一幅图片与平均图像的差值投影到特征向量空间； 3. 计算训练图片投影两两之间的最大欧氏距离distance_max； 4. 将测试图片也投影到特征向量空间，计算它与所有训练图像投影的最小欧氏距离distanceST_min。 5. 设定判别阈值（设为0.3*distance_max，此为测试得到的经验值，不同阈值将影响判别结果）。当distanceST_min>0.3*distance_max时，则认为测试
Full2012
- 1. 本研究利用 PCA 对可见-近红外（450～1 000 nm）、可见光（450～780 nm）和近红外（780～1 000 nm）光谱区域的苹果高光谱图像数据进行降维，获得 PC 图像，通过对 PC 图像进行分析，确定可用于分割损伤和正常区域的有效光谱区域，对比分析几个光谱区域的 PCA 的效果。-but currently no practical system for detecting blood spots and dirt stains exists. In order to
ShiDz
- 主成分分析,求图像的主成分分析，画出直线来显示 PCA-Principal component analysis PCA
2DPCA
- 2DPCA,即二维主成分分析，相对于传统的PCA（主成分分析），2DPCA在对二维图像进行降维时不需要转成一维（向量）-2DPCA, ie two-dimensional principal component analysis, as opposed to the traditional PCA (Principal Component Analysis), 2DPCA in dimensionality reduction of two-dimensional images into one
eyePicturePCA(Matlab)
- 线性判别方法，眼睛图像数据库上的PCA程序，基于Matlab，供学习使用-Linear Discriminant method, eye image database on the PCA procedure, based on Matlab, for learning to use