搜索资源列表
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..
cluster
- 对图像进行聚类，根据得到的聚类特征数据对图像视频帧进行分类，得到图像的聚类结果。-The image is clustered according to the clustering feature data, and the image clustering result is obtained.
GMM_classification_demo.m
- 用于医学3D大脑图像组织的识别和分类，包括CSF,White Matter,和Gray Matter。基于matlab的GM 算法。-3D brain tissue for medical image recognition and classification, including CSF, White Matter, and Gray Matter. matlab algorithm based on the GM.
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
chapter29
- 《MATLAB 神经网络个案例分析》，可以实现对图像进行分割，去噪，识别和分类。-" MATLAB neural network 43 case studies" can be achieved on image segmentation, de-noising, identification and classification.
similaritymeasure
- 在对图像进行识别和分类过程中，相似性测量可以作为一种判别策略，目的是刻画图像之间的本质特性。-In the image recognition and classification process, the similarity measure can be used as a discriminating strategy aimed portray the essential characteristics of images.
SPM_SC
- This package contains the Matlab codes implementing the ScSPM algorithm described in CVPR 09 paper Linear Spatial Pyramid Matching using Sparse Coding for Image Classification .基于空间金字塔匹配的稀疏编码，用于图像检索，识别与分类-This package contains the Matlab codes im
4
- 基于四叉树分割的JPEG隐写分析 当前主要的隐写分析方法都是对整幅图像进行特征提取，而忽略了图像的内容差异。该文提出一种 基于四叉树分割的 JPEG 隐写分析方法，该方法根据图像块的纹理复杂度进行图像分割，对具有相同统计特性的子图像分别进行隐写检测特征的提取，并构造相应的分类器，通过加权融合得 到最终的检测结果。实验结果表明该方法具有良好的性能，尤其是在训练与测试图像的统计特性具有较大差异时，该算法的检测准确率提高更加明显。 -Based on quadtree segmentat
Piotrs-Image-a-Video-Matlab-Toolbox
- 用来图像分割，特征提取，目标跟踪，分类的工具箱-Used for image segmentation, feature extraction, target tracking and classification of the toolbox
Image-processing
- 对注塑件表面的缺陷进行识别和分类：其中包括阈值分割，图像剪切，边缘提取，图像几何和纹理特征的计算，小波系数计算等等，特别的全面（希望对学习图像处理的同学有所帮助）-Injection surface defects to identify and classify: including thresholding, image cut, edge extraction, and calculating the image geometric texture features, the wavele
ROC--AUC
- 数字图像处理中对分类器优劣的判定常用的ROC/ACU源码。希望对你有用。-The ROC/ACU source code commonly used in the determination of the quality of the classifier in digital image processing. I hope useful to you.
TUXIANGSHIBIE
- 对给定的多幅图片先进行训练分类，并进行频率分析，对于测试的图像与训练图像进行频率做差，求其最小的差值所对应的训练图像，就实现了图形识别。-For a given number of pictures first training classification, and frequency analysis, for the test image and training images to do the frequency difference, find the minimum differe
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
db10
- 小波基为db的小波变换，可以提取输入图像的小波特征，低频高频的信息，然后得到特征后用于分类或识别-Wavelet transform is a wavelet transform, which can extract the wavelet features of the input image, low frequency and high frequency information, and then get the feature for classification or recogni
hce_multi-scale
- 易康分类特征介绍,多尺度特征融合的图形图像处理，基于C的-Yi Kang classification features introduced, multi-scale feature fusion of graphics and image processing, based on C
aotutexingdetuojiyingwenzifushibie
- 提出了一种基于整体（凹凸）特性的脱机大写体英文字母识别方法。首先计算字母图像的赋值背景，再从中提取凹凸特性，然后根据凹凸特性构建分类表进行分类识别。-This paper presents an off-line capitalization method based on the whole (concavity) feature. First, calculate the background of the letter image, and then extract the convex
k_means2
- 实现单幅RGB图像的分类，输出灰度图，灰度直方图，聚类后的灰度图以及聚类后的灰度直方图。(To achieve a single RGB image classification, output grayscale, gray histogram, grayscale after clustering, and gray histogram after clustering.)
LiuyifeiImage
- 利用python爬取豆瓣相关图像，以方便数据分类、解析以及挖掘(Using Python to extract related images of watercress to facilitate data classification, analysis and mining)
ImgHOGFeature
- HOG特征计算，（1）将输入的彩图转换为灰度图； （2）采用Gamma校正法对输入图像进行颜色空间的标准化（归一化）；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰； （3）计算梯度；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。 （4）将梯度投影到单元的梯度方向；目的是为局部图像区域提供一个编码， （5）将所有单元格在块上进行归一化；归一化能够更进一步对光照、阴影和边缘进行压缩，通常，每个单元格由多个不同的块共享，但它的归一化是基于不同块的