搜索资源列表
Blobworld
- Blobworld:基于期望最大算法的图像分割 及其在图像查询中的应用 -Blobworld: Image segmentation using Expectation-Maximization and its application to image querying
EMimagesegment
- 基于em算法的图象分割程序,是图象分割的一类重要算法.-Em algorithm based on image segmentation process of image segmentation are essential for a class of algorithms.
GaussMRFandEMofImageSegmentation
- 2008年3月 中国图象图形学报 基于类自适应高斯-马尔可夫随机场模型和EM 算法的MR图像分割 比较新的一片关于MARKOV以及EM算法的图像分割的文章。详细介绍了两种算法，以及对MR图像的实验结果，很有参考价值-March 2008 Journal of Image and Graphics of China based on the type of adaptive Gaussian- Markov random field model and the EM algorithm
ExpMaxSeg
- This program is for image segmentation using Expectation maximum
osem1
- 图像重建_有序子集最大期望值法，理论研究-Image reconstruction _ ordered subset expectation maximization, theoretical research
5
- 了适应跟踪过程中目标光照条件的变化，并对目标特征进行在线更新，提出一种将局部二元模式(LBP) 特征与图像灰度信息相融合，同时结合增量线性判别分析对目标进行跟踪的算法．跟踪开始前，为了获得比较准确的目标描述，使用混合高斯模型和期望最大化算法对目标进行分割；跟踪过程中，通过蒙特卡罗方法对目标区域和背景区域进行采样，并更新特征空间参数．得到目标和背景的最优分类面；最后使用粒子滤波器结合最优分类面对目标状态进行预测．通过光照变化的仿真视频和自然场景视频的跟踪实验，验证了文中算法的有效性．-Trac
dynamic-expectation-and-variance
- 做动态图像的处理时，即做视频处理时，动态特征是不可或缺的，尤其是动态的期望和方差是我们必须使用的两个量，本程序提供了提取的算法-Do dynamic image processing, video processing is done, the dynamic characteristic is indispensable, especially in the dynamic expectation and variance is that we must use two quantities,
Em_imagesegmentation-1
- Expectation maximixation in Image segmentation
osem1
- CT重建算法-有序子集最大期望法(OSEM)matlab源程序-CT image reconstruction algorithm ordered subset expectation maximization (OSEM) algorithm matlab source
Xprotostr
- The digest of an image (either an image we have generated locally, or an image expectation).
ghsc267762131214061
- gaussian-mixture-models: This tool clusters the input image into n number of colored sections by synthesizing a Gaussian Mixture Model (GMM) using Expectation Maximization (EM).
EMMP_CS
- Expectation Maximization based Matching Pursuit (EMMP) algorithm 参考文献：SAR image reconstruction by expectation maximization based matching pursuit
caffe-master
- 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。-Semantic extraction of local image features based on expe
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the background, and information entropy