搜索资源列表
target-classfication-onSAR
- 利用极化合成理论和极化特征图的概念,可以获取目标的最佳极化。该算法对于从极化sar数据中获取目标的最佳极化,进而对目标进行分类。-The use of polarization and polarization characteristics of composite theoretical concept map, you can get the best polarized target. The algorithm for the data obtained from the polari
POLSAR--target-extraction
- 基于散射机理分类与方位对称性判决的提取新方 法, 充分利用目标与杂波在散射机理类型及方位对称性上的差异进行提取。-Scattering mechanism based on the classification and extraction of the new orientation of the symmetry ruling party France, make full use of the target and clutter scattering mechanism in t
multiobject_context
- 多类图像特征结合上下文信息进行目标识别(分类、分割)-Many types of image features combined with context information for target identification (classification, segmentation)
pcannc
- 主分量分析对SAR图像目标进行特征提取,用最近临方法进行分类-Principal component analysis(PCA) of SAR image target feature extraction, classification using nearest-neighbor method
adaboost
- Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器(弱分类器),然后把这些弱分类器集合起来,构成一个更强的最终分类器(强分类器)。 load clouds [test_targets, E] = lijsada_boost(patterns, targets, patterns, 100, Stumps ,[]) train_patterns 每列为一样本 train_targets 每列为一样本目标 100 :Numbe
gmm
- 混合高斯模型使用K(基本为3到5个) 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型,他主要是有方差和均值两个参数决定,,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模,因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
m10
- 背景建模是实现运动目标检测与跟踪的关键技术之一。在实时视频监控系统中,对背景建模算法的运行时间及所提取出的背景图像的实时性有很高的要求,针对这一问题,提出了一种基于切比雪夫不等式的自适应阈值背景建模算法。算法利用切比雪夫不等式计算像素点色度变化的概率估计值,提出了一种自适应阈值分类方法,它将像素点快速分类为前景点、背景点及可疑点,再利用核密度估计方法对可疑点进行进一步分类,最后利用背景更新算法提取实时背景图像。实验结果证明,该算法能快速有效地区分特征明显的背景点与前景点,提高了背景图像提取的速
Three-dimensional
- 该方法对路面破损图像的灰度、纹理、边缘、形状等多种特征进行了定性和定量分析,选择出能够准确描述路面破损目标特性的关键特征,并通过多种融合规则和融合方法对这些特征进行融合,最终实现路面图像的准确分类和破损目标的精确分割-Three dimensional object recognition and classification using range and texture image
sparsemtl
- 多任务学习算法 可以实现目标跟踪、分类 研究较少 相对传统单任务分类算法有明显的优势-Multitasking learning algorithm can realize target tracking and classification research is less Have obvious advantages over traditional single task classification algorithm
lsvm_ijcv.tar
- 利用潜在窗函数的目标和动作分类,c++程序,非常值得学习!-Advantage of the potential targets and actions window function classification, c++ program is worth learning!
classperform
- VS2010和openCV220下编译,Haar分类器批量检测图片中的目标,一次最多加载图片20张,需加载训练好的Haar分类器,已包含frontface.xml-VS2010 and openCV220 compiled, Haar classifier picture batch testing goals, making up to 20 images loaded, you need to load the trained Haar classifier is included fron
TUXINGFENGLEI
- 通过聚类算法,对目标图形进行分类。已给出训练图形和目标图形-By clustering algorithm to classify the target pattern. Graphics and training has been given a target pattern
stero
- 自然场景分类与目标识别关键技术研究_周莉 通用视觉目标识别的关键技术研究_黄双萍0000.caj0000000于机器学习的物体识别_刘光灿.caj-Key technical nature scene classification and object recognition _ Zhou Li Key Technology Research on General visual object recognition _ Huang Shuangping 0000.caj0000000
hog
- HOG 特征描述子,用于行人检测以及目标跟踪,生成特征描述子,用于分类或后续的处理-Feature descr iptor HOG
DetectEyes
- 运用C++检测人眼, 2)用opencv中检测人脸、眼睛、嘴巴等都是用的CascadeClassifier分类器,具体使用时可以使用C的函数,也可以使用opencv中使用C++封装好的类。下面是它们检测目标时的函数形式(从opencv官网复制的) C: CvSeq* cvHaarDetectObjects(const CvArr* image, CvHaarClassifierCascade* cascade, CvMemStorage* storage, double scal
Moving-Target-Detection-Method-
- 针对成像平台运动情况下的运动目标检测问题,提出了一种从特征点稀疏运动场估计到运动分类的目标检测算法。 首先通过快速特征点检测与跟踪恢复出图像稀疏运动场;然后依据特征点之间运动一致性关系实现属于同一运动模式的特征 点分类,根据分类得到的各组特征点计算场景图像重建误差,剔除重建误差最小的特征点组,实现对前景目标的检测。仿真实 验对该算法在复杂场景中检测运动目标的有效性进行了验证。-】In order to detect target in the background motion vi
BPRBFshenjingwangluofenlei
- 利用BP神经网络与RBF(径向基函数)网络对行人、自行车、卡车三类目标进行分类,比较两种网络的分类性能,包含三类目标的数据信息,完整的代码-BP neural network and RBF (Radial Basis Function) network for pedestrians, bicycles, trucks three goals categorize performance comparison of the two networks, data information cont
proj4
- 使用滑动窗的人脸检测,滑动窗口能够独立地对图片块进行分类,以确定是否属于被检测目标。内容如下: 1)载入正样本训练集(人脸),并将其转化为HoG特征 2)载入负样本训练集(没有人脸的任意场景),也将其转化为HoG特征 3)使用SVM,对分类器进行训练,训练集包括正训练集和负训练集 4)使用训练好的分类器,在不同的尺度上,对测试集进行分类 -Face detection with a sliding window.
LBP-and-SVM
- 采用LBP提取目标特征,利用svm训练分类器,可对图像进行分类预测,效果好- U91C7 u7528LBP u63D0 u53D6 u76EE u6807 u7279 u5F81 uFF0C u5229 u7528svm u8BAD u7EC3 u5206 u7C7B u5668 uFF0C u53EF u5BF9 u56FE u50CF u8FDB u884C u5206 u7C7B u9884 u6D4B uFF0C u6548
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