搜索资源列表
clasification
- 该程序用于将遥感图像上的地物按照不同的类别划分出来，并用不同的颜色标识，采用的方法为非监督分类-procedures for the use of remote sensing images of the object under different categories such. and the use of different colors, logos, and the methods used for non-supervised classification
One-Shot_learning_of_object_categories_PAMI2006.ra
- One-Shot Learning of Object Categories PAMI2006关于面向目标分类的重要论文。 主要解决在很少几个样本图像情况下，如何对目标图像进行新类学习的方法研究。
DImageProcess
- 使用CDib处理图象，定义了一些类CMyDib类： PaintDIB() - 绘制DIB对象 CMyDib::DrawDib // CreateDIBPalette() - 创建DIB对象调色板 CMyDib::ConstructPalette() // FindDIBBits() - 返回DIB图像象素起始位置 CMyDib::GetBits() // DIBWidth() - 返回DIB宽度 CMyDib::GetWidth() // DIBHeight() - 返回D
imageprocess2
- 对矩阵进行四叉树分解，将图像分为文字和非文字的两个类别，形态学梯度检测二值图像的边缘，形态学实例——从PCB图像中删除所有电流线（仅保留芯片对象），计算图像中的欧拉数 -Of the matrix quadtree decomposition, the image is divided into text and non-text of two categories, the morphological gradient detection of the edge binary image,
01
- 了解可视化编程基本概念、面向对象程序设计与传统程序设计的异同，理解可视化编程中类、对象、属性与方法等基本概念。掌握VB的开发环境以及其使用方法，初步学会使用VB进行程序设计的步骤。理解工程的含义及对工程的管理方法，掌握在VB的使用中获得帮助的方法。-Learn the basic concepts of visual programming, object-oriented programming with traditional programming the similarities an
12
- 程序代码说明 用Prewitt算子检测图像的边缘 用不同σ值的LoG算子检测图像的边缘 用Canny算子检测图像的边缘 图像的阈值分割 用水线阈值法分割图像 对矩阵进行四叉树分解 将图像分为文字和非文字的两个类别 形态学梯度检测二值图像的边缘 形态学实例——从PCB图像中删除所有电流线，仅保留芯片对象 -Program code shows the image using Prewitt edge de
chap4
- 程序代码说明 P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值分割 P0405：用水线阈值法分割图像 P0406：对矩阵进行四叉树分解 P0407：将图像分为文字和非文字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学实例——从PCB图像中删除所有电流线，仅保留芯片对象
Fuzzy-processing
- 聚类分析是多元统计分析的一种，也是无监督模式识别的一个重要分支，在模式分类 图像处理和模糊规则处理等众多领域中获得最广泛的应用。它把一个没有类别标记的样本按照某种准则划分为若干子集，使相似的样本尽可能归于一类，而把不相似的样本划分到不同的类中。硬聚类把每个待识别的对象严格的划分某类中，具有非此即彼的性质，而模糊聚类建立了样本对类别的不确定描述，更能客观的反应客观世界，从而成为聚类分析的主流。-Clustering analysis is a kind of multivariate statis
image_segment
- P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值分割 P0405：用水线阈值法分割图像 P0406：对矩阵进行四叉树分解 P0407：将图像分为文字和非文字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学实例——从PCB图像中删除所有电流线，仅保留芯片对象-P0401: P
dynamic-acceleration
- 本文对动态复杂场景中涉及的多种不同运动类型的物体，依据物体的运动特性，将物体划分为三类：静态物体，局部运动物体，运动物体。为每类物体分别构建合适的加速结构。-In this paper, dynamic and complex scenarios involving a variety of different types of objects in motion, according to the motion characteristics of objects, the object is
imageprocess2
- 对矩阵进行四叉树分解，将图像分为文字和非文字的两个类别，形态学梯度检测二值图像的边缘，形态学实例——从PCB图像中删除所有电流线（仅保留芯片对象），计算图像中的欧拉数-Of the matrix quadtree decomposition, the image is divided into text and non-text of two categories, the morphological gradient detection of the edge binary image, mo
junzhixing
- 均匀性度量法的设计思想是，假设当图像被分为目标物和背景两个类别时，属于同一类别内的像素值分布应该具有均匀性。-Uniformity Metrics design ideas is to assume when the image is divided into two categories, the object and the background, belong to the same category of pixel values within the dis
chap4
- 程序代码说明 P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值分割 P0405：用水线阈值法分割图像 P0406：对矩阵进行四叉树分解 P0407：将图像分为文字和非文字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学实例——从PCB图像中删除所有电流线，仅保留芯片对象