搜索资源列表
Boosting
- 使用matlab编程的,boosting分类器的源程序,用于图像处理的行人的识别-Recognition using matlab programming, boosting classifier source for image processing pedestrians
CPPHandwritten-character-recognition
- VC++ 手写文字识别程序源码。实现手写数字给出不同的分类器识别结果,可心采用模板匹配分类器(最邻近模板匹配法)识别。手写数字或者打开已有的手写数字图像后,在右视图空白处,单击鼠标左键,激活右视图,选择菜单中的各种分类算法,可以对手写数字进行分类。-VC++ handwriting recognition program source code. Handwritten numbers give different classification recognition result satisf
DigitRecog
- 图像模式识别实例,包括模板匹配算法、Bayes分类器、LMSE等。-Image pattern recognition examples, including template matching algorithm, Bayes classifier, LMSE, etc..
one
- 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状 特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based
two
- :植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而,低维特征不能全面描述叶片信息,识别准确率低,本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征,对纹理图像提取分形维数,共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相
DPL-CNN
- 最新的基于卷积神经网络和字典对分类器的图像识别与分类算法资料-Image recognition and classification algorithm based on convolution neural network and dictionary classifier
hog_svm
- 这文件夹包含了,hog特征提取,多类SVM分类器,数据库,图像识别(This folder contains the hog feature extraction, multi class SVM classifier, database, image recognition)
PCA_classifier_version1b
- 许多图像问题需要某种物体的检测,其中图像之间的物体的外观有自然的变化。 如人脸识别,病变检测,神经通道分割。 这些图像问题可以通过手动注释图像对象来解决,以训练识别正常物体外观的模型。 这可以通过基于PCA的最大似然分类器来完成。(PCA algorithm suitable for detection / recognition of 2D image "objects")
hog-feature
- 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而如今虽然有很多行人检测算法不断提出,但基本都是以HOG+SVM的思路为主(The Histogram
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)