搜索资源列表
erzhitufenge
- 提出了一种新颖的处理图像视觉聚类问题的方法。与以往关注图像局部特征和局部连续性的方法不同，本文中的方法能够提取关于图像的全局印象。为此，我们将图像分割问题转化为图划分问题并提出了划分中的一种全局判别准则——Ncut (Normalized Cut)。Ncut不仅能够衡量不同聚类之间的相异程度，还能够衡量各聚类内部的相似程度。为求解Ncut 的最优化问题，提出了一种基于广义特征值问题的高效算法，并将此算法应用于静态图像分割，取得了良好的效果。-proposed a novel image proc
fingerprint_extract_matlab
- 在指纹特征提取中，结合方向图和图像局部灰度方差对指纹图像进行分割，然后再进行阈值分割去处边缘效应得出较好的分割结果。
extractFeatures.zip
- 图像特征提取，包括：颜色直方图，颜色矩，边缘直方图，Gabor小波变换，局部二值图，GIST。,Image feature extraction, including: color histogram, color moment, the edge histogram, Gabor wavelet transform, partial binary image, GIST.
canny
- canny检测器是很有效的边缘检测器，该函数可以实现对目标图像的边缘提取。该方法总结如下：1.图像使用带有指定标准差的高斯滤波器来平滑，以此减少噪声；2.在每一点计算局部梯度和边缘方向；3.第二步中确定的边缘点会导致梯度幅度图像中出现脊，然后追踪所有脊的顶部，并将所有不再脊顶部的像素设置为0；4.执行边缘链接-canny detector is very effective edge detector, this function can be achieved on the target im
Prewittedgedetection
- 经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘，这种方法称为边缘检测局部算子法-Image with a Prewitt edge detection operator
2
- 边缘特征的提取就是求图像梯度的局部最大值和方向。实际计算中，以微分算子的形式表示，并采用快速卷积函数来实现。常用的算子有微分算子，拉普拉斯算子，Canny算子等。其中Canny边缘检测是一种较新的边缘检测算子，具有较好的边缘检测性能，得到越来越广泛的应用。Canny边缘检测法利用高斯函数的一阶微分，它能在噪声抑制和边缘检测之间取得较好的平衡-Edge feature extraction is to seek the local maximum of image gradient and ori
harjiaodianjiance
- Harris角点检测算 法是在Moravec算法的基础 上提出的。Moravec角点检测算法的思想是： 在图像中 设计一个局部检测窗口，当该窗口沿各个方向作微小移动时 ，考查窗 口的平均能量变化，当该能量变化值 超过设定的阈值时，就将窗口的中心像素点提取为角 点。-Harris corner detection algorithm is based on the algorithm in Moravec' s. Moravec corner detection algorithm idea
ECGmonitoring
- 小波变换是一种信号的时间—尺度分析方法，它具有多分辨率分析的 特点，而且在时频两域都具有表征信号局部特征的能力。由于其在信号处 理领域表现出的优异性能，目前在生物医学领域，广泛应用于信号检测、 特征提取、图像处理、信号压缩等方面。 -Wavelet transform is a signal of the time- scale analysis method, it has the characteristics of multi-resolution analysis, bu
Harris
- 研究一种红外医学图像处理与分析方法,实现红外人脸图像中特征区域的自动定位。方法 针对红外正面脸部图像,采用一种无监督的局部和全局的特征提取方法,首先通过阈值法区分出前景和 背景,并根据面部特征对称性在前景中确定鼻区 然后在面部确定一个包含所有特征的矩形区域,利用 Harris算子在该区域检测出角点,并找出这些点的局部最大值点 最后用K-means方法对这些点进行 聚类 -To develop an mi age analyzing procedure forautomatic
studyharris
- 角点是图像的重要局部特征,通过处理图像的角点可大大减少图像处 理过程中的计算量.角点检测在图像特征提取、图像配准、超分辨率重建等方面都有 重要的应用 根据实现方法不同可将角点检测的方法分为三大类.指出角点检测技术 的研究和发展方向. -study harris
GrayMatrix
- 图像纹理特征描述了在图像中反复出现的局部模式和它们的排列规则，反应宏观意义上灰度变化的一些规律，编程实现基于灰度共生矩阵的图像纹理特征提取-Image texture features described in the repeated images of local models and their regular arrangement, the reaction intensity changes in the macro sense, some laws, programming, GL
Wavelet-Analysis
- 小波分析是建立在泛函分析、调和分析、数值分析、逼近论和傅里叶分析等的基础上发展起来的新的时频分析方法。与经典的傅里叶分析相比较，小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息，因此小波分析有着许多显著的优点。小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。 小波分析是时间—尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计
MARK_ImagePyramids
- SIFT图像特征提取的图像预处理步骤：构建图像构建高斯金字塔，相邻层相减得到DOG金字塔，在DOG金字塔3x3x3的邻域内寻找局部极值点，供进一步计算SIFT特征描述子使用。工程运行于VS2008环境，需要OpenCV支持。Debug目下exe文件可以直接双击运行查看结果。-SIFT image feature extraction image preprocessing steps: build image Gaussian pyramid, subtracting the adjacent
LBP--texture-exration
- LBP算法实现图像的纹理特征提取（局部二值模式）-LBP algorithm feature extraction image texture
clustering
- 一种基于期望最大化( E M) 算法的局部图像特征的语义提取方法。首先提取图像的局部图像特 征， 统计特征在视觉词汇本中的出现频率， 将图像表示成词袋模型； 引入文本分析中的潜在语义分析技术建立从低层图像 特征到高层图像语义之间的映射模型； 然后利用 E M 算法拟合概率模型， 得到图像局部特征的潜在语义概率分布； 最后利 用该模型提取出的图像在潜在语义上的分布来进行图像分析和理解。-Latent Semantic probability distribution using the EM
HW3
- 图像局部特征点提取与匹配，在每张图像中检测特征点位置并将匹配画出匹配得最好的10-20对特征点-Image local feature point extraction and matching
LBP
- 在数字图像处理和模式识别领域，LBP指局部二值模式，是一种有效的纹理描述算子，度量和提取图像局部的纹理信息，对光照具有不变性。本程序是LBP算子在C++&opencv平台下的实现，可以实时检测图像的纹理特征。-In digital image processing and pattern recognition, LBP represents local binary patterns, is an effective texture descr iption operator, measure
opencvsift
- SIFT 算法提取图像局部特征， 成功应用于物体识别、图像检索等领域。SIFT 算法主要分为四个步骤： 检测尺度空间极值点、精确定位极值点、为每个关键点指定方向参数、关键点描述子的生成。-SIFT algorithm to extract local image features, successfully applied to object recognition, image retrieval and other fields. SIFT algorithm is divided into
code1
- 特征点提取及图像匹配,局部图像特征提取匹配(Feature point extraction and image matching, local image feature extraction matching.)
局部二值模式LBP
- lbp实现图像的特征提取，可得到图像的直方图特征。(LBP realizes the image feature extraction, and can get the histogram features of the image)