搜索资源列表
test1_1
- 该程序实现了高斯白噪声环境下直流电平的检测.画出了似然比门限,虚警,漏警随先验概率,代价因自等变化的情况.-The program to achieve the detection of DC level Gauss white noise environment. Draw the likelihood ratio threshold, the false alarm, alarm with the prior probability, cost because of the changes
myGMM
- 运用opencv进行运动目标检测，背景采用高斯混合模型进行更新。-The use of OpenCV moving target detection, background model is updated by Gauss mix.
tuxianbianyuanfudao2
- 主要讨论获得图片后如何提取其边界信息,首先利用图像灰度均匀化解决了对比度不清晰的问题,然后利用高斯滤波法对图片进行滤波去噪,进而利用Canny算法实现边缘检测提取边界,该方法与Matlab自带的求边界方法有明显的提高,为利用Matlab程序求图像分形维数提供了更精确的前提.-Mainly discuss how to get the picture after extracting its boundary information, the first use of the image cont
corner-detection
- 数字图像处理 哈里斯脚点检测算法实现 图形界面完全 先高斯滤波 在监测角点-image processing Harris coner dection GUssian filter
GMMP-and-tracking
- 活动目标检测源码,用混合高斯算法编写，适用于复杂场景视频监控-alive target detection，used in GMM algorithm
gmm-cv
- OpenCV_基于混合高斯模型GMM的运动目标检测。内附监测监控视频，方便测试使用。-OpenCV_ GMM Gaussian mixture model based moving target detection. Included monitoring surveillance video, easy testing.
guassian
- 混合高斯背景模型，背景差法，检测运动目标，环境VC2008，Opencv，前景与背景分开显示-Gaussian mixture background model background subtraction method to detect moving targets
abc
- 基于混合高斯模型背景建模法来检测运动目标-Gaussian mixture model-based background modeling method to detect moving targets
dd_ex6
- 高斯分布混合监督之间的区别，训练三个分类器。检测异常。-The distinction between mixed Gaussian distribution supervision, training three classifiers.
gaosi1
- opencv代码，高斯混合模型，运动物体检测，效果还可以，对于初学者挺有用-moving object by opencv
4
- 为了有效实时地检测高速路段汽车行驶中的流量情况，确保交通安 全等，文中讨论了因汽车高速运动和外界环境噪声干扰所引起的图像失 真，在图像处理终端实现恢复的总体方案。利用deconvwnr 函数，在图像 的频率特征和附加噪声已知的情况下，采用维纳滤波进行因运动模糊引起 的失真图像恢复效果明显。经软件编程仿真，结果表明在设置合理的点扩 散函数的基础上，其效果优于高斯模糊引起的失真图像恢复效果。经过图 像处理终端的设计，可以较好地检测高速路段的车流量情况。-In order to
test4
- 单高斯背景建模方法 检测视频中的运动物体 配置环境vs2012+opencv2.0-Vs2012+opencv2.0 moving object configuration environment single Gauss background modeling method detection in video
gmm
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
DIP-Spatial-filtering-(USM-Sobel)
- 本文主要探讨了中值滤波以及高斯滤波两个空间低通滤波器，结合unsharp masking,、Canny 算子、Sobel算子、以及Laplace算子研究了高通滤波器的特性，掌握了边缘检测技术的原理，并对这一系列技术进行了对比。 doc文档最后附有USM、Sobel等算子实现的matlab源代码-This paper discusses the median filtering and Gaussian filtering both spatial low-pass filter, combi
tuxiangchuli
- 可以实现图像的预处理，主要包括灰度化、二值化、边缘检测、高斯去噪、细化、平移和旋转以及分割归一化处理等。-Can achieve image preprocessing, including graying, binarization, edge detection, Gaussian noise removal, thinning, translation and rotation and dividing normalized treatment.
edge
- 高斯 canny 小波 金字塔等常用边缘检测 方法的实现 实验课课程-Course experimental realization of Gaussian wavelet pyramid and other commonly used canny edge detection method
EDGE
- 可用于打开/保存位图，并实现对位图的边缘检测：Roberts边缘算子、Sobel边缘检测算子、Prewitt边缘检测算子、Kirsch边缘检测算子、拉普拉斯算子、高斯拉普拉斯算子-Can be used to open/save the bitmap and edge detection for bitmap: Roberts edge operator, Sobel edge detection operator, Prewitt edge detection operator, Kirsch
background-model4
- 提出了一种基于模型切换的背景建模方法(M SBM ).该方法以嫡图像为纽带, 实现了不同精细程度的背景模型在空间上的自适应选取和在时间上的自适应切换.对于亮度分布复杂度高的背景区域采用精细的模型以保证运动目标检测的精度,反之采用简单的模型以降低计算量 .通过模型结构自适应结合参数自适应, 很好地兼顾了检测精度和计算代价.墓于高斯混合模型和时间平均模型的双模型切换式运动目标检测算法被用于实验研究, 结果表明这种算法的检测效果和单独采用高斯混合模型的检测效果相当, 而计算速度却比后者提高很多-P
m11
- 混合高斯(Mixture of Gaussian, MOG) 背景建模算法和Codebook 背景建模算法被广泛应用于监控视频的运动目标检测问题, 但混合高斯的球体模型通常假设RGB 三个分量是独立的, Codebook 的圆柱体模型假设背景像素值在圆柱体内均匀分布且背景亮度值变化方向指向坐标原点, 这些假设使得模型对背景的描述能力下降. 本文提出了一种椭球体背景模型, 该模型克服了混合高斯球体模型和Codebook 圆柱体模型假设的局限性, 同时利用主成分分析(Principal compon
m
- 基于高斯模型，实现对运动目标检测，能够跟踪运动的目标-Based on the Gaussian model, to achieve the moving target detection, target tracking movement can