搜索资源列表
bill-recognition
- 一种纸币识别VC++程序源码，并含有多国纸币的特征库，如日元、英镑、港币...的特征库。有从纸币图像预处理、特征匹配的全过程。对从事图像处理，模式识别研究的人很有参考价值。-a type bill recognition VC++ resource code
FaceRecog_src100902
- 基于OpenCV的人脸识别演示程序。目前实现了Gabor+Fisherface算法，还有几何和光照归一化。 -->请到 http://code.google.com/p/facerecog/ 下载最新版本。<-- 功能：对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库中找到最匹配的人脸并显示。 在VS 2008 SP1上编写，使用了OpenCV 2.0和MFC，通过消息处理函数与用户进行交互，利用多线程来实时显示图像。 数据处理分为了C
biye
- 基于投票算法的目标跟踪,基于二阶非线性投票的多目标跟踪算法。该算法通过目标匹配得到同一目标在不同帧中的位置，同时利用特征监测来处理目标的遮挡、分裂问题，并实现目标特征的实时更新。在目标匹配过程中，通过对目标前一帧与当前帧的特征相似性进行投票，得到匹配目标。利用视频图像进行实验，结果表明：该方法对噪声、阴影、遮挡、分裂等具有良好的鲁棒性，较好地实现了多目标的跟踪。-The method used object matching to get objects’ position in differe
LIDA3dBuilding
- 随着LIDAR技术的出现，三维建筑物的提取也受到越来越多的重视。由于LIDAR数据分布的不连续性和不规律 性，直接从机载激光扫描测距数据中进行建筑物提取较为困难。本文提出了一种结合灰度影像的LIDAR数据三维建筑物提 取方法，分三个步骤：首先对灰度影像进行建筑物二维提取；然后将处理后影像和LIDAR数据粗匹配，初步确定LIDAR数 据中的三维建筑物区域；最后利用一组阈值操作进行三维建筑物的精确提取。实验结果表明该方法简单实用，适应性强。-With the emergence of L
facelocation
- 在一幅图像中对单人脸进行定位,原理是基于多模板匹配-locate face in one picture in which there is a single face，its theory base on many templates matching
2
- 基于Gabor变换的图像纹理识别。 提出了一种改进的Gabor变换的图像纹理增强算法，将空域的纹理图像变换到联合空间频率域并将联合空间 频率域的能量分布作为掌纹的特征，Gobar滤波器在频域内对子块其主方向上频率能量分布进行滤波，特征向量进行了匹配 识别，增强特征纹线信息并对核心区域进行多方向空间频率能量滤波合成，同时也对滤波算法进行了优化，有效地减少了运 算量。-Gabor transform based image texture recognition. An improv
RadarSceneMatchingImage
- ：采用基于内容的图像检索方法，对雷达景象匹配数据库中的图像数据进行兴趣目标的查询检索与识别．由于 雷达图像具有受斑点噪音影响明显等特点，故综合运用迭代阈值选取以及区域生长的方法，进行兴趣目标(主要是 机场)的分离；由于匹配数据库中图像数据范围比较大，包含目标多，为了在检索过程中确定检索目标在图像中的 位置，预处理时，采用对同一图像多幅子图进行特征提取的方法，最终在检索时通过子图范围来确定目标在大幅图 像上的位置．由实验分析，证明在机场目标的检索识别中，这一方法是可行的．-Cont
algorithmbehavior
- 针对行为识别中行为者朝向变化带来的问题,提出了一种基于人体行为3D模型的2D行为识别算法.在学习行为 分类器时,以3D占据网格表示行为样本,提取人体3D关节点作为描述行为的特征,为每一类行为训练一个基于范例的隐马 尔可夫模型(Exemplar-based hidden Markov model,EHMM),同时从3D行为样本中选取若干帧作为3D关键姿势集,这个 集合是连接2D观测样本和人体3D关节点特征的桥梁.在识别2D行为时,2D观测样本序列可以由一个或多个非标定的摄 像机采集
WaveletTransform
- 提出一种基于小波变换的图像配准方法。该方法首先用小波变换提取边缘特征点, 同时构成小波金字塔影像。在最高层利 用角度相关系数确定基准图像和配准图像之间的旋转角度, 经多分辨分级搜索匹配得到最终匹配特征点对, 利用这些特征点对待 配准图像进行配准纠正。实验结果表明, 改进方法有较好的效果, 可用于广泛应用领域。-Proposed a wavelet-based image registration method. In this method, using wavelet transfor
Map-matching-model-at-complex-roads
- 车辆导航离不开导航电子地图，地图匹配方法是连接卫星定位信息与导航电子地图的桥梁，即通过一定 的算法，根据定位信息，在导航电子地图上确定出车辆当前所行驶的道路，并在地图上实时准确地显示车辆 的位置［1］． 一套匹配准确率高、实时性好、易于工程实现的地图匹配算法是优秀车载导航产品的重要保 障［2 － 3］． 目前，大多数导航产品仅采用独立的GPS 定位方式，地图匹配方法也大部分采用基于点的投影算法， 算法简单，没有将道路的网络特征考虑进来，特别在面对复杂道路时，容易出现匹配错误，造成
feature-points-matching
- 对灰度差绝对平均值算法匹配次数多，不具有旋转不变性等缺点，提出一种新的目标识别方法。匹配准则采用具 有环形结构的子窗口内的像素差加毂和的形式表示，保证了算法具有旋转不变性。对模板图像中的特征点按照匹配准则分 别在目标图像中找到相应的匹配点，从而完成匹配操作，与传统的相关匹配算法相比，大大减少了匹配次数。对于因遮挡而 丢失的特征点，可根据已匹配特征点之问的相对距离来重新确定，从而实现目标识别的功能。仿真实验验证了该算法的有 效性。-A new target recognition
sanshitu
- 文章提出了一种自适应加权迭代算法，该算法通过给匹配点对加权进行迭代筛 选来实现，可以稳定的获得数量较多、结果较准确的匹配点对，从而精确求解三视图空间约束矩阵三焦点张量。-Exact solution of three view space constraint matrix three focal tensor
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
watermarkcleck-door
- 小波变换域图像水印算法是一种对图像多尺度的空间频率分解[13]，能更好地与人类视觉系统（HVS Human Visual System）相匹配。由于小波变换具有良好的时频局部性和多分辨率表示的特点，而且，当前最新的图像压缩标准——JPEG2000 和视频的MPEG-7 压缩标准都采用了小波变换，-The wavelet transform domain image watermarking algorithm is a multi-scale image of the spatial frequ
3
- 输入： 自拍两幅同一个场景(或物体)的角度/远近有差别的图像 （对于学有余力的同学，建议多测试几张角度/远近差别较大的图像） 任务： 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 输出要求（以下三个结果分别输出，不要重叠在一张图上）： 1. 在两张图上分别画出检测到的特征点位置 2. 对匹配得最好的10-20对特征点：每对特征点对用连接线画出 3. 用椭圆形式在图上画出上述每个特征点的描述子方向与尺度等信息 编程工具： Visual
Shape-matching-with-Zerinike-moments
- 结合Zernike矩的多尺度模板形状匹配，该算法对输入图像进行预处理后提取目标轮廓，经过归一化处理得到目标形 状的平移、尺度不变的链状表达，再通过小波变换进行多尺度分析；引入Zernike矩，利用Zernike矩的特性，实现小波表达的旋转不变性，解决了小波变换对起始点的依赖。-Shape matching based on multi-scale template with Zerinike moments，The object shape representation is convert
msers
- MSER(删诞mauy stable extremal re舀ons)算法，提出一种对图像的尺度、旋转、仿 射变换更加稳定的区域不变量提取的算法。对于输入图像采用多尺度MSER提取算法，并对 提取的MsERS依据其灰度变换的平稳性对提取区域进行修正。提高了区域提取的可重复性 和匹配概率。-MSER (delete birth mauy stable extremal re scoop ons) algorithm is proposed to image the scale, rot
2
- 本文在在尺度不变特征变换(Scale invariant feature transform,SIFT)特征匹配算法的基础上, 提出了一种基于累积特征的多目标的跟踪算法, 通过对目标的SIFT特征进行实时更新来去除由噪声(或形变)带来的\过时"特征信息, 保证了特征的稳定, 提高了匹配准确度. 实验结果表明, 本算法能够有效处理目标由于旋转、形变而导致跟踪性能下降甚至跟踪目标丢失的问题, 同时对跟踪过程中多目标的关联, 也具有较好的鲁棒性.-In this paper, the Scale In
3
- 运动目标跟踪在工业过程控制、医学研究、成像制导等领域具有重要的实用价值。目前的研究多基于背景静止的情况，对背景发生移动的情况研究较少。提出了一套完整的移动背景下的目标跟踪算法，首先使用基于互信息的方法配准序列图像的背景。然后使用差分的方法进行运动区域检测，并将其与图像分割技术相结合，得到目标跟踪模板。目标的跟踪基于Kalman滤波的预测，其匹配过程仍基于互信息理论，实验结果证明：该算法具有较高的计算效率和准确性，应用前景广泛。-it is of important practical value
acad2000
- === 命令说明====== zq--上一缩放zoom p zd--动态缩放zoom d ze--范围缩放zoom z z--zoom v--移动move c--复制copy q--平移pan t--偏移offset tt--镜像mirror rt--旋转rotate dss--距离dist aa--圆circle g--直线line gg--多段线pline dt--单行文本dtext r--放弃