搜索资源列表
Image8
- 图像的分割与描述是在图像预处理的基础上对信息进行组织与加工，它是实现图像自动识别与理解的必不可少的过程，是计算机视觉的中间层次。本章的内容对拓展编码算法的设计思路也很有启发作用。图像的分割算法介绍基于灰度的分割算法和基于梯度的分割算法两大类，这两类算法分别利用了图像的区域相关性和点相关性，在此基础上拓展到彩色图像分割。图像的描述方法很多，本文介绍了链码描述子、傅立叶描述子以及矩描述子三种基本手段。描述手段与分割策略应当统一考虑。 -NULL
julei
- 内包含：模糊聚类 遗传算法聚类 层次聚类法的各方法以及动态聚类的各个算法 -Contains: Fuzzy clustering genetic algorithm clustering hierarchical clustering and dynamic clustering of various methods of the various algorithms
multiscale
- 多尺度变换域隐马尔可夫模型能够有效地描述变换域系数在尺度间、尺度内和方向间的统计相关性,是 一种新的统计图像感知与识别方法. 文中以变换域系数的统计相关性描述为中心,以模型的设计和应用的开展为 两翼,深入分析了子波变换的三级统计特性与机理,比较研究了多尺度变换域的十种统计模型,并系统评述了这些 模型在图像感知、处理和分析中的最新进展. 同时,具体论述了这一领域研究中两类成功的实例:图像去噪和图像 纹理分割. 对于前者,以Lena 图像为测试用例分析比较了以变换域统计模型为核心的
MCore_SVT
- Nister（2006）等人的层次聚类算法，按照多线程k-means方法进行多线程层次聚类，程序中代码对SIFT特征进行聚类。开发环境：vs2010-Implementation of hierarchical k-means, proposed by Nister et al, 2006. This is a multi-thread implementation of k-means and multi-thread implementation of the hierarchical me
hieararchical-clustering
- 基于核密度估计的层次聚类算法 -hierarchcial clustering with kernel density estimation