搜索资源列表
Cpp1
- 边界方向的直方图统计。采用canny算法实现。 测试图片说明：（图像路径名请在main函数中AnsiString name=\"1.bmp\" 中设定) 1.bmp、2.bmp用来测试尺度变换后图像的识别； 3.bmp、4.bmp用来测试尺度变换后图像的识别； 2.bmp、2_shift.bmp用来测试平移后图像的识别。 实现输出灰度图、平滑图、边缘图以及双阈值处理后的边缘图； 运行后文件夹应该有Image1.bmp,Image2.bmp,Image3.bmp,Image
camera_calibration
- 这个是应用与摄像机标定的程序的模拟仿真。对场景中N条相等的平行线进行摄像机内参标定，看提供的约束有几个。其中涉及到数据的归一化处理以及L－M最优化。
IamSeg
- 基于形态学商图像的光照归一化算法.复杂光照条件下的人脸／P,~J1是一个困难但需迫切解决的问题，为此提出了一种有效的光照归一化算法． 该方法根据面部光照特点，基于数学形态学和商图像技术对各种光照条件下的人脸图像进行归一化处理，并且将它 发展到动态地估计光照强度，进一步增强消除光照和保留特征的效果．与传统的技术相比，该方法无须训练数据集以 及假定光源位置，并且每人只需一幅注册图像，在耶鲁人脸图像库B上的测试表明，该算法以较小的计算代价取得了 优良的识别性能．-Face recogn
MCU_1908
- 针对CMOS 图像传感器输出的Bayer 格式的图像数据, 利用TI 公司的TMS320DM642 数字信号处理器的专用视频端口,可以实现图像捕获、数据传输的无缝连接的特点, 构建了以DM642 为核心的图像实时处理系统。在DM642 中采用两种通用方法(双线性插值、边缘检测) 和文中提出的信号相关的方法, 将从Bayer 公司的CMOS 图像传感器所捕获的8 位Bayer 格式图像数据, 转换为24 位RGB 格式彩色图像数据, 并通过PSNR(信噪比) 和NCD(归一化彩色差异规范) 两种评
lianma
- 图像处理中链码的编程，给了一个.mat格式的图像，并对其进行链码编程和归一化。将.mat替换为自己的数据即可灵活应用-The chain code in the image processing program, to the image of one. Mat format, and its chain code programming and normalized. Will mat replacement for their own data can be applied flexibly
FAST-ICA
- 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp) *z)))-(mean(1-(tanh((temp)) *z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,
FAST-ICA11
- 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp) *z)))-(mean(1-(tanh((temp)) *z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,
scaleForSVM
- matlab图像处理与识别当中分类识别时的数据归一化处理-matlab image processing data classification and recognition among the normalization process when
normalization
- 进行人脸识别时，首先对数据进行归一化处理，保证数据的一致性，有利于后续的识别过程-When face recognition, first data normalization process, ensure data consistency, it is conducive to the subsequent identification process