搜索资源列表
Three-dimensional-drawing
- 这是一个"三维空间向量/点"类及相关函数,使用它们可以定义一个空间向量/点,实现向量的平移,缩放和旋转等,使用相关函数还可以实现两向量的叉乘,得到一个向量的绝对长度,将一个向量单位化,得到一个三点决定的平面的垂直向量(经过单位化),得到空间中两点的距离,得到两向量的点积,得到两向量的夹角等操作,为方便用户的使用,每个函数都有详细的注释.-This is a" three dimensional space vector/point" and related functions, they are
cg3DtransVector
- 基于OPENGL的三维坐标绘制，以及空间向量的旋转矩阵计算。对于刚刚学OPengl的同学会是一个很好的材料。-Coordinates based on OpenGL for drawing, and spatial vector rotation matrix calculations. For just learning OpenGL Alumni Association is a very good material.
p4p-problem-matlab-code
- 在P4P问题中,当空间4个点共面时,不仅摄像机坐标系与物体坐标系之间 的旋转矩阵R和平移向量t可以线性求解,而且可以同时确定摄像机的有效焦距f和像素比例，该程序设计模拟已知相机矩阵M情况下由已知三维空间点和图像坐标情况求解相机外参数矩阵-When space four points coplanar P4P problem, not only between the camera coordinate system and the object coordinate system rotatio
code
- 3D数学基础：图形与游戏开发 配套源码 《3D数学基础:图形与游戏开发》专业培训机构指定教学参考书,多家游戏开发企业共同推荐,游戏业界权威,探索游戏开发背后的核心秘密。《3D数学基础:图形与游戏开发》主要介绍了基本的3D数学概念,这对电脑游戏开发人员和编程人员来说尤为重要。作者详尽地讨论了数学理论,并在必要时提供几何说明,帮助读者形成直观的3D感。书中还提供了将理论应用于实践的C++类,并且在每章结尾处提供练习。《3D数学基础:图形与游戏开发》介绍了基础概念,如向量、坐标空间、矩阵、变换、欧
3DMathPrimer
- 《3D数学基础:图形与游戏开发》专业培训机构指定教学参考书,多家游戏开发企业共同推荐,游戏业界权威,探索游戏开发背后的核心秘密。《3D数学基础:图形与游戏开发》主要介绍了基本的3D数学概念,这对电脑游戏开发人员和编程人员来说尤为重要。作者详尽地讨论了数学理论,并在必要时提供几何说明,帮助读者形成直观的3D感。书中还提供了将理论应用于实践的C++类,并且在每章结尾处提供练习。《3D数学基础:图形与游戏开发》介绍了基础概念,如向量、坐标空间、矩阵、变换、欧拉角、齐次坐标空间、几何图元、相交性检测和三
3DMathPrimer-Chinese
- 《3D数学基础:图形与游戏开发》专业培训机构指定教学参考书,多家游戏开发企业共同推荐,游戏业界权威,探索游戏开发背后的核心秘密。《3D数学基础:图形与游戏开发》主要介绍了基本的3D数学概念,这对电脑游戏开发人员和编程人员来说尤为重要。作者详尽地讨论了数学理论,并在必要时提供几何说明,帮助读者形成直观的3D感。书中还提供了将理论应用于实践的C++类,并且在每章结尾处提供练习。《3D数学基础:图形与游戏开发》介绍了基础概念,如向量、坐标空间、矩阵、变换、欧拉角、齐次坐标空间、几何图元、相交性检测和三
LDA
- 线性鉴别分析，是信号处理中一种用来筛选所需信号的常用方法。其基本思想是选择使得Fisher准则函数达到极值的向量作为最佳投影方向，从而使得样本在该方向上投影后，达到最大的类间离散度和最小的类内离散度。在Fisher思想的基础上，Wilks和Duda分别提出了鉴别矢量集的概念，即寻找一组鉴别矢量构成子空间，以原始样本在该子空间内的投影矢量作为鉴别特征用于识别。-Linear Discriminant Analysis:Fisher R A. The use of multiple measurem
sift
- 1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 3 SIFT算法的主要特点： a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b) 独特性(Distinctive
GTTexturer
- 计算灰度共生矩阵的Matlab程序,参考《基于颜色空间和和纹理特征的图像检索》,输入图像数据,返回八维纹理特征行向量 -Computing to GLCM the Matlab program, the reference input color space and texture feature-based image retrieval, image data, return to the eight-dimensional texture feature row vector
SVM_classification
- OpenCV SVM分类测试代码 利用SVM解决2维空间向量的3级分类问题-OpenCV SVM classification test code to use the three classification problems SVM to solve the two-dimensional vector space
RGB48
- 图像特征提取 例子 提取颜色空间 特征向量 图像处理常用-Image feature extraction example image processing commonly used to extract color space eigenvectors
human-detect-and-track-
- 为了检测红外图像序列中的运动人体，提出了一种基于最大后验概率 （MAP）-马尔可夫随机场（MRF）模型和亮度-距离联合直方图的人体实时检测 方法。该方法首先建立图像序列时空域联合的概率分布模型，采用基于 MAP-MRF 模型的前景检测方法得到可能为人体的感兴趣区域（ROI）。然后在以 ROI 中心点 为圆心的各个圆环域中统计其亮度信息，构建基于亮度-距离联合空间的分类特 征。最后，采用支持向量机（SVM）分类器对候选区域进行分类检测。不同红外 图像序列的实验结果均表明，本
haha
- 基于Lab空间向量的图像分割方法，采用k-mean聚类。-Based on the Lab space vector image segmentation method, the use of k-mean clustering.
SIFT-matlab
- SIFT算法大致有四个步骤： 1，尺度空间极值检测。在尺度空间通过高斯微分函数来检测潜在的对于尺度和旋转不变的兴趣点。 2，关键点定位。在兴趣点位置上，确定关键点的位置和尺度。 3，方向确定。基于图像局部的梯度方向，给每个关键点分配方向。 4，关键点描述。在每个关键点的领域内测量图像局部的梯度。最终用一个特征向量来表达。 -SIFT算法大致有四个步骤： SIFT algorithm has four steps: 1，尺度空间极值检测。在尺度空间
colormoments
- 用matlab实现color moments算法，先把rgb图像转换到HSV空间，然后计算每个分量的一二三阶矩，最后组成9维向量进行比较。-Using color moments algorithm matlab realize, first convert rgb images to HSV space, and then calculated for each component of the 123-order moments, the final composition of 9-dim
gmm
- 基于GMM的说话人识别，搭建了一个说话人识别系统用于试验测试，验证了一些参数对性能 的影响，同时使用了多线程并行处理技术，以此缩短识别时间:并提出了一种放 大特征向量差距，变换特征向量在特征空间的分布来提升大容量语音库中说话人 识别率的方法。 -GMM-based speaker recognition, to build a speaker recognition system used for pilot testing to verify the performance i
code
- 特征脸（Eigenface）是指用于机器视觉领域中的人脸识别问题的一组特征向量。使用特征脸进行人脸识别的方法首先由Sirovich and Kirby (1987)提出，并由Matthew Turk和Alex Pentland用于人脸分类。该方法被认为是第一种有效的人脸识别方法[来源请求]。这些特征向量是从高维矢量空间的人脸图像的协方差矩阵计算而来。-implementation of eigenface
sift-alghrithms
- SIFT算法大致有四个步骤: 1，尺度空间极值检测。在尺度空间通过高斯微分函数来检测潜在的对于尺度和旋转不变的兴趣点。 2，关键点定位。在兴趣点位置上，确定关键点的位置和尺度。3，方向确定。基于图像局部的梯度方向，给每个关键点分配方向。4，关键点描述。在每个关键点的领域内测量图像局部的梯度。最终用一个特征向量来表达。-SIFT algorithm roughly four steps: 1, the scale space extremum detection. In the sc
wavelet
- 基于小波的纹理特征，小波四层分解，特征向量含有均值、标准差、空间频率等，共13*4个特征。-Based on texture feature of wavelet, wavelet decomposition, four layers of characteristic vector containing the mean, standard deviation, such as spatial frequency, a total of 13* 4 characteristics.
sift-and-rgb2lab
- SIFT特征和RGB、Lab颜色空间，提取图像的SIFT特征，和RGB、Lab颜色空间向量-SIFT and RGB, Lab color space, image SIFT feature extraction, and RGB, Lab color space vector