搜索资源列表
coocurrence_matrix_and_feature
- 共生矩阵的实现及特征提取方法，里面包含了各个特征向量提取的子程序，可以在其他程序中直接调用。-co-occurrence matrix and the realization of feature extraction methods, each of which contains a feature vector extraction subroutine, the other procedures can be called directly.
kl
- （1）应用9×9的窗口对上述图象进行随机抽样，共抽样200块子图象； （2）将所有子图象按列相接变成一个81维的行向量； （3）对所有200个行向量进行KL变换，求出其对应的协方差矩阵的特征向量和特征值，按降序排列特征值以及所对应的特征向量； （4）选择前40个最大特征值所对应的特征向量作为主元，将原图象块向这40个特征向量上投影，所获得的投影系数就是这个子块的特征向量。 （5）求出所有子块的特征向量。
texture
- 实现用matlab求矩阵最大特征值的特征向量
calcPCA
- opencv 中用calcPCA 计算矩阵特征向量和特征值
pangzi
- (1)将整幅图像分成4×4块，计算每一块中所有象素RGB三个颜色通道的颜色平均值，并以此作为该块的代表颜色（主颜色）。 (2)将各块的颜色平均值进行离散余弦变换（DCT），得到DCT系数矩阵。DCT是一种分离的变换，是国际静止图像压缩标准JPEG的基础。由于大多数图像的高频分量较小，相应于图像高频分量的系数经常为零，加上人眼对高频成分的失真不太敏感，所以可用更粗的量化。因此，在一般检索中可以利用部分DCT系数作为特征向量。 (3)对DCT系数矩阵进行之字形扫描和量化，得到DCT系数。
pcacode
- 程序设计步骤： 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
Matrix
- 求矩阵的特征值和特征向量，使用c语言编程-Matrix eigenvalues and eigenvectors, c language programming
2D-LDA
- 2维线性判别进行人脸识别的程序，很不错！采用ORL人脸库，取每人的1、3、5、7、9五幅图像作为训练图像，其余作为测试图像，进行二维线性判别。计算出特征向量矩阵，降序排列后，取前d（d=2,4,6，……，20）个特征向量组成的矩阵作为变换矩阵，对训练集合测试集进行特征重建，最后采用最近邻分类器。附有实验的结果。-code for face recognition based 2D-LDA，the performance is nice！
tezhengzhi
- 北航数值分析大作业，计算特征值.计算矩阵特征值及特征向量-Numerical analysis of Northern Great job, calculate the eigenvalues
face
- PCA人脸识别基于PCA的人脸识别 (Eigenface)读入20幅训练图像 。 计算均值、协方差矩阵 、特征值 和特征向量 ,并记录计算所耗费的时间 。并在figure(i)中显示特征脸Eigenface 。计算4幅测试图像 ，及其在 空间中的重建图像 ，在figure(i) 和 figure(10+i)中分别显示测试图像 和重建图像 。计算4幅测试图像 的重建误差 ，比较并阐释 之间的差异及其原因。 -PCA
KLtransform
- （1）应用9×9的窗口对上述图象进行随机抽样，共抽样200块子图象； （2）将所有子图象按列相接变成一个81维的行向量； （3）对所有200个行向量进行KL变换，求出其对应的协方差矩阵的特征向量和特征值，按降序排列特征值以及所对应的特征向量； （4）选择前40个最大特征值所对应的特征向量作为主元，将原图象块向这40个特征向量上投影，所获得的投影系数就是这个子块的特征向量。 （5）求出所有子块的特征向量。 -(1) the application of 9 × 9 window
KLTransform
- 实现遥感影像的KL变换,并能计算出KL变换过程中的影像参数、特征向量及变换矩阵等统计结果-Implementation of the KL transform of remote sensing images and can calculate the KL transform in the process of imaging parameters and transformation matrix eigenvector statistics, etc.
BasedonprincipalcomponentanalysisoftheFaceRecognit
- 在特征提取阶段，研究了PCA, 2DPCA, (2D) 2PCA, DiagPCA, DiagPCA-F-2DPCA等多 种方法。不同于基于图象向量的PCA特征提取，由于2DPCA, (2D) ZPCA, DiagPCA和 DiagPCA-I-2DPCA的特征提取都直接基于图象矩阵，计算量小，所以特征的提取速度明 显高于PCA方法。-In the feature extraction stage, the study of the PCA, 2DPCA, (2D) 2PCA,
pcaProgram
- PCA算法程序设计步骤： 1、取均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量 -PCA algorithm programming steps: 1, access means 2, the calculation of
Texture
- 计算灰度共生矩阵的Matlab程序,参考《基于颜色空间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-A programm computing GLCM texture measurements.
keigen
- 使用PCA抽取人脸灰度图片的前k个特征向量，计算人脸灰度图片的散布矩阵并且抽取其前k个作为主特征-using PCA to extracte gray picture face of the first k eigenvectors to calculate gray-scale image of the face spreading matrix, and taking its pre-k-as the main characteristics
texture_GUI
- 此程序是基于灰度共生矩阵的图像纹理特征提取算法，它进行了四个方向上的灰度共生矩阵的计算，从而得出他们的纹理特征向量，再求均值，使计算进度大幅度提高-This program is based on the GLCM texture feature extraction algorithm, which was four directions GLCM calculation to arrive at their texture feature vector, and then seek mean
ColoraTexture-Search
- 基于颜色和纹理的综合图像检索方法论文，图像部分采用颜色直方图方法，纹理部分采用灰度共生矩阵特征向量方法-Integrated based on color and texture image retrieval papers, part of the image using the color histogram method, part of the use GLCM texture feature vector approach
基于支持向量机的图像分类
- classifier.mat文件太大未上传。可运行一次main3生成 getFeatures.m 获取灰度共生矩阵相关特征 main-main6 训练 + 识别 predict.m 单独的分类程序 temp.m 单独的分类演示程序(classifier.mat file is too large to upload. Can run a main3 to generate getFeatures.m Get the grayscale co-occurrence matrix rel
Hessian
- 使用海森矩阵，根据特征值，特征向量分割一些特征明显的目标(For Hessian matrix analysis)