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
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
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
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,
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.
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
zdtzg
- 你可以用它来计算比较矩阵的最大特征根，并能得到与其相对应的特征向量-You can use it to calculate the maximum eigenvalue comparison matrix, and can get its corresponding eigenvectors
000
- 支持向量机(svM)是一种新的机器学习技术。本文采用一对一方法构建多分类SVM 分类器。利用常用的灰度共生矩阵方法提取图像纹理特征，组成特征向量，输入构建好的SVM 多分类器中进行分类。对从Brodatz纹理库中选取的4张纹理图像进行了分类实验，取得较好的 分类结果-Support vector machine (svM) is a new machine learning techniques. In this paper, one way to build a multi-cla
PCA
- 快速PCA,对样本矩阵进行快速主成分分析，和降维，输出特征向量矩阵。-Rapid PCA, the sample matrix of fast principal component analysis , dimensional reduction
face-detection-for-K-L-transform
- 基于K-L变换的人脸识别技术主要思想是：提取输入人脸图像矩阵的特征向量，并与图像数据库中样本特征的向量求欧氏距离，距离小于阈值时便认为识别成功。本程序即为利用K-L原理实现人脸检测的实例。-The main idea of the face recognition technology based on KL transform is: extract the matrix of the input face image feature vectors and Euc
juzhentezhengzh
- 矩阵特征值和特征向量的计算，vc实现代码-Matrix eigenvalue and eigenvector calculation, vc achieve code
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
code
- 特征脸（Eigenface）是指用于机器视觉领域中的人脸识别问题的一组特征向量。使用特征脸进行人脸识别的方法首先由Sirovich and Kirby (1987)提出，并由Matthew Turk和Alex Pentland用于人脸分类。该方法被认为是第一种有效的人脸识别方法[来源请求]。这些特征向量是从高维矢量空间的人脸图像的协方差矩阵计算而来。-implementation of eigenface
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)