搜索资源列表
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
Probing_into_Technique_of_Image_Enhancement_Based_
- ：图像增强是图像处理的一个重要分支，是图像边缘提取、图像分割等的基础．文章介绍了常用的图像增强技 术，并且以Madab为工具完成图像的直方图均衡化、巴特沃斯高通滤波器操作的示例，给出了处理前后的对照图像．重点介 绍了利用小波变换进行图像增强，获得了比较好的增强效果．-: Image enhancement is an important branch of image processing is the image edge extraction, image segmentation,
Digital-image-processing
- 一 彩色图像灰度化 1 二 空域增强技术 2 2.1 直接灰度映射 2 2.1.1 图像求反（负片） 2 2.1.2 调用imadjust 2 2.1.2 动态范围压缩 3 2.1.3 灰度切分 4 2.1.4 位图切分 5 2.2 直方图变换 6 2.3 空域滤波 7 2.3.1平滑滤波 7 2.3.2锐化滤波 9 三 基本图像变换 11 四 频域图像增强 12 4.1 低通滤波 12 4.1.1 理想低通滤波 12 4.1
tjdigxae
- 有详细的注释，LzCCKYo参数采用波束成形技术的BER计算，关于神经网络控制，包括主成分分析、因子分析、贝叶斯分析，HZTVCHT条件粒子图像分割及匹配均为自行编制的子例程，通过反复训练模板能有较高的识别率。- There are detailed notes, LzCCKYo parameter By applying the beam forming technology of BER On neural network control, Including principal comp
htxeueqz
- 使用高阶累积量对MPSK信号进行调制识别，包括主成分分析、因子分析、贝叶斯分析，实现了对10个数字音的识别，预报误差法参数辨识-松弛的思想，供做算法研究人员参考，粒子图像分割及匹配均为自行编制的子例程。-Using high-order cumulants of MPSK signal modulation recognition, Including principal component analysis, factor analysis, Bayesian analysis, To ach
futzyfey
- 各种kalman滤波器的设计，粒子图像分割及匹配均为自行编制的子例程，包括主成分分析、因子分析、贝叶斯分析，应用小区域方差对比，程序简单，欢迎大家下载学习，仿真效率很高的。- Various kalman filter design, Particle image segmentation and matching subroutines themselves are prepared, Including principal component analysis, factor analysi
uqvpfnhg
- 本科毕设要求参见标准测试模型，包括主成分分析、因子分析、贝叶斯分析，采用的是脉冲对消法，通过反复训练模板能有较高的识别率，粒子图像分割及匹配均为自行编制的子例程，正确率可以达到98％。-Undergraduate complete set requirements refer to the standard test models, Including principal component analysis, factor analysis, Bayesian analysis, It use
cheliangjishu
- 这是我的大作业，作用是测试车流量并计数，使用高斯模型对车辆进行定位分割，已验证成功内附测试视频-This is my big job, the role is to test the traffic flow and counting, the use of the Gauss model of the vehicle positioning and segmentation, has been verified successfully included test video
platelocate2
- 车牌处理，进行高斯模糊、sobel算子以及阈值分割(Plate processing, gaussian blur, sobel operator and threshold segmentation)
DoG filters
- 高斯差分滤波器，主要用于边缘特征提取，用于模式识别中的分割预处理(Gauss differential filter, which is mainly used for edge feature extraction, is used for segmentation preprocessing in pattern recognition)
matlab实现图像锐化
- 使用巴特沃斯高通滤波器实现图像锐化，用sobel算子实现图像分割，阈值分割图像(Using the Butterworth high pass filter to achieve image sharpening, the image segmentation is realized by Sobel operator and the threshold image is segmented.)
17428703Find_Lips_in_YCbCr
- 通过高斯肤色模型的建立，分割出人脸区域，接着，结合人脸几何特性筛选出人脸区域，依据嘴巴的颜色同人肤色的其它部位相比较，有着明显的不同，从而建立嘴巴模型，找出了嘴巴的特征部位。(Based on the Gauss model of skin color segmentation, face region, and then combined with face geometric characteristics of selected face region, on the basis of o
byjc
- 用matlab实现图像灰度化以及图像的分割、高斯滤波、边缘检测(Using matlab to achieve image graying and image segmentation, Gaussian filtering, edge detection)
CFAR
- 基于高斯分布的CFAR检测算法(双参数CFAR检测)，输入一个确定的虚警概率，在满足一定虚警率的情况下对图像进行分割，实现目标与背景的分离。(The CFAR detection algorithm based on Gauss distribution (two-parameter CFAR detection) inputs a certain false alarm probability, and segmentes the image to achieve the separation
Python_VLPR-master
- 基于树莓派B+版本的车牌识别设计，辨识部分以树莓派3B+/3B为核心处理器，基于Linux平台，通过python3.5和OpenCV来对含有车牌信息的图片，进行高斯去噪、灰度化、边缘检测、二值化、闭操作、字符分割、字符识别匹配等一系列图像处理操作最终实现车牌识别这个系统。(Based on the design of license plate recognition of raspberry pie B+version, the recognition part takes raspberry
carplate
- 首先对车牌识别系统的现状和已有的技术进行深入的研究，然后开发出一个基于 Python 的车牌识别系统，文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法，然后用颜色特征和形态特征相结合的方法来确定车牌位置，用彩色分割法来完成车牌分割，最后，运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)