搜索资源列表
Automatic-segmentation
- 在最优阈值分割的基础上,用自动区域生长去除气管/支气管区域,对边界跟踪法进行改进以快速 去除背景干扰和获得肺部边界,最后进行肺部边界修补得到完整的肺部图像。算法采用迭代法寻找最 优阈值解决了阈值选取的敏感性问题,提出了基于前层图像中气管/支气管位置的气管/支气管提取方 法,避免了种子点的人工选取,基于前次搜索方向改进了八邻域搜索方法来提高边界跟踪的速度。 -In the optimal threshold segmentation based on region growing
camshiftdemo
- Gary R．Bradski提出CamShift算法，即"Continuously Adaptive Mean-Shift"算法。是以颜色直方图为目标模式的目标跟踪算法，可以有效地解决目标变形和部分遮挡的问题，而且运算效率很高。在视频跟踪过程中，CAMSHIFT算法利用选定目标的颜色直方图模型得到每帧图像的颜色投影图，并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小，得到当前帧中目标的尺寸和质心位置。-Gary R. Bradski CamShift proposed algorithm,
EyeLocationMethodforDriverFatigueDetectioninDualSp
- ：驾驶疲劳可以从眼睛的状态中反映出来，而眼睛定位是判断眼睛状态的关键。为解决眼睛定位实时性和头部旋转不确定性问题，该文提出一种基于双空间的眼睛定位方法：-】Drowsy driving can be detected by the eye states. Eye location is the key problem for eye states detection. In order to improve real-timeperformance and solve uncertainty o
2
- 采用速度-位置模型，把优化问题空间转化为随机粒子空间，通过反复迭代寻找最优解，可用于基于pso移动机器人地图创建-Use of speed- location model, the optimization problem space into a random particle space, through repeated iterations to find the optimal solution can be used for mobile robot map building bas
image-recognition-
- 图像识别的MATLAB代码，包括人脸识别和虹膜识别，在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。-Matlab source code of image recognition, including face recognition and iris recognition, iris position in the digital image in an eff
masaike
- 马赛克效果代码 马赛克显示是指图像被分成许多的小块，它们以随机的次序显示出来，直到图像显示完毕。实现马赛克的效果主要解决的问题是如何定义显示随 机序列的小方块，这个问题的解决可以在定义过小方块的基础上，用一个数组来记录各个方块的左上角的坐标的位置-Code mosaic mosaic image display is divided into many small pieces, they are displayed in random order, until the image di
cx
- 人脸检测与人脸识别 （1）人脸检测（Face Detection） 人脸检测（Face Detection）是指在输入图像中确定所有人脸（如果存在）的位置、大小、位姿的过程。人脸检测是自动人脸识别系统中的一个关键环节。 (2)人脸识别 人脸识别细分为两类，一类是回答我是谁的问题，即辨认（Identification），另一类是回答这个人是我吗？即确认（Verification）。显然，用于Identification模式的识别系统对算法的运算速度的要求要高于Ve
SaleBooks
- 运用区域分割的方法解决选址问题，将面转化为节点，使得模型变得简化。-Region segmentation method to solve the location problem, will face transformed into a node, the model becomes simplified.
SHAKE_PROOF
- 手持式摄像机在使用时常常会受到使用者有意无意抖动的影响,从而影响成像效果，造成录制视频的不稳定及跳动问题，尤其是在使用者在一场景中特写或者跟踪某一具体目标时，使用者通常不能准确定位到或者估计出运动目标的位置，从而造成目标在视频中位置的不稳定，造成视频的主观效果变得不理想。 为了解决这一问题，我们需要设计一种算法来识别这种无意义的运动并设法通过补偿的方式来使得场景中的目标物体保持位置稳定的状态。 手持式摄像机捕获的视频通常都会受到抖动的影响，这严重的影响视频的主观效果。
Semantic-Segmentation
- CVPR2012_oral Weakly Supervised Structured Output Learning for Semantic Segmentation-We address the problem of weakly supervised semantic segmentation. The training images are labeled only by the classes they contain, not by their location in t