搜索资源列表
fc5j_EM_matlab
- em算法求解混合高斯模型，适合图像处理中，对象分割-em algorithm Gaussian mixture model suitable for image processing, object segmentation
light2
- 基于肤色的人脸检测方法，包括肤色模型建立和肤色分割过程两大部分内容。在比较了颜色空间和两种模型后，选择了在 YCbCr 空间建立高斯模型。输入图像经过相似度计算、阈值分割、最后得到人脸区域。
gaussian-mixture-model
- 混合高斯模型，直接应用于图像分割，简单易行，傻瓜式操作，保准让你爱不释手。-gaussian mixture model applied to image segmentation, easy, convenient, you are sure to love it.
VariableWeightMRMRF
- 基于变权重MRF的图像分割算法，特征场是使用混合高斯模型，标记场使用Pott模型，基于迭代条件模式进行分割-MRF based on weighted image segmentation algorithm, feature field is the use of Gaussian mixture model, using the tag field Pott model segmentation based on iterative model conditions
markov
- 基于高斯混合模型markov树算法的图像分割-Gaussian mixture model based markov tree algorithm for image segmentation. . .
GaussMRFandEMofImageSegmentation
- 2008年3月 中国图象图形学报 基于类自适应高斯-马尔可夫随机场模型和EM 算法的MR图像分割 比较新的一片关于MARKOV以及EM算法的图像分割的文章。详细介绍了两种算法，以及对MR图像的实验结果，很有参考价值-March 2008 Journal of Image and Graphics of China based on the type of adaptive Gaussian- Markov random field model and the EM algorithm
GKIT
- 基于广义高斯模型的自动阈值选取(GKIT)，用于图像分割、图像分类。-GKIT：Threshold Selcetion Based on the Generalized Gaussian Models，for image segmentation and classification
20100107
- 一种基于高斯混合模型的距离图像分割算法。-Based on Gaussian mixture model for image segmentation
gmm2n
- 集合混合高斯模型的图像目标分割算法的VC实现-Gaussian mixture model for image set goals to achieve segmentation algorithm VC
iteration_algorithm
- 高斯白噪声模型下的一种图像分割的迭代算法-Gaussian white noise model of a iterative algorithm for image segmentation
LBF
- ：LBF 模型是一个著名的基于区域的活动轮廓模型。与PC（Piecewise Constant）模型不同，该模型引入了一个以高斯函数为 核函数的局部二值拟合（Local Binary Fitting，LBF）能量。因为LBF 能量能够获取图像的局部信息，所以LBF 模型解决了PC 模型 不能处理灰度不均一图像的分割问题。提出了一个改进的LBF 模型，它使用一个新的核函数代替高斯核函数-: LBF model is a well-known region-based active cont
5
- 了适应跟踪过程中目标光照条件的变化，并对目标特征进行在线更新，提出一种将局部二元模式(LBP) 特征与图像灰度信息相融合，同时结合增量线性判别分析对目标进行跟踪的算法．跟踪开始前，为了获得比较准确的目标描述，使用混合高斯模型和期望最大化算法对目标进行分割；跟踪过程中，通过蒙特卡罗方法对目标区域和背景区域进行采样，并更新特征空间参数．得到目标和背景的最优分类面；最后使用粒子滤波器结合最优分类面对目标状态进行预测．通过光照变化的仿真视频和自然场景视频的跟踪实验，验证了文中算法的有效性．-Trac
Digital-image-processing
- 一 彩色图像灰度化 1 二 空域增强技术 2 2.1 直接灰度映射 2 2.1.1 图像求反（负片） 2 2.1.2 调用imadjust 2 2.1.2 动态范围压缩 3 2.1.3 灰度切分 4 2.1.4 位图切分 5 2.2 直方图变换 6 2.3 空域滤波 7 2.3.1平滑滤波 7 2.3.2锐化滤波 9 三 基本图像变换 11 四 频域图像增强 12 4.1 低通滤波 12 4.1.1 理想低通滤波 12 4.1
GMMPLBF
- 图像分割 将主动轮廓模型与高斯混合模型结合，能运行-image segmentation
Image-Region-Segmentation
- 位图图像稳定区域分割的种子点选取条件，区域定义 区域分割 高斯混合模型 高斯分布 种子点选取 阈值选取 灰度范围-Bitmap image stabilization region segmentation of the seed point selection conditions, regional definition Region segmentation Gaussian mixture model Gaussian distribution The seed point select
EMmri
- EM算法完成mri图像的分割，特别是头部图像，使用混合高斯模型。-EM algorithm
1
- 自运行，有结果。代码-基于局部高斯概率的脑MR图像分割模型，把脑mr图像分割为白质，灰质和脑脊液三部分，-Since operation and results. Code- based on local Gaussian probability of brain MR image segmentation model, the brain mr image into white matter, gray matter and cerebrospinal fluid of three parts
GMM-HMRF_v1.1
- 高斯混合模型 马尔科夫 image segmentation MRF GMM GMM ICM(Gauss mixture model)
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the background, and information entropy
GMM-HMRF
- 基于高斯混合模型和隐马尔科夫模型的图像分割算法(Image segmentation algorithm based on Gaussian mixture model and hidden Markov model)