搜索资源列表
Texture-features
- matlab编写的用于实现灰度共生矩阵，灰度-梯度共生矩阵，灰度直方图，协方差系数，LOG滤波器的源代码了。全部经过测试，可以直接使用。对于做纹理分析很有帮助。一共有五个代码-matlab prepared for the realization of Gray Level Co-occurrence matrix, gray- gradient co-occurrence matrix, gray histogram, covariance coefficients, LOG source c
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
coviance
- 一个关于协方差矩阵的例子 改成自己的图片即可 运行-An example on the covariance matrix into its own image to run
ASM_version1b
- ASM是由Cootes和泰勒推出的多分辨率方法的一个例子。 基本思想： 在ASM模型训练，训练从手工绘制的图像轮廓。发现的ASM模型在训练使用主成分分析（PCA），使该模型自动识别数据的主要变化是，如果可能的轮廓/好的对象的轮廓。还包含了ASM模型的协方差矩阵描述行垂直纹理口岸时，在正确的位置。 -Descr iption This is an example of the basic Active Shape Model (ASM) as introduced by Coot
kalman-alghrioms-matlab
- 则卡尔曼滤波的算法流程为： 1.计算预估计协方差矩阵2.计算卡尔曼增益矩阵3.更新估计4.计算更新后估计协防差矩阵-The Kalman filter algorithm processes as follows: 1. Calculate pre-estimate covariance matrix 2 calculate the Kalman gain matrix 3 updated estimate calculated after 4 update estimated defend d
主成分分析
- 主成分分析PCA源码分析，使用matlab编程，是一种降维方法，通过计算数据矩阵的协方差矩阵，然后得到协方差矩阵的特征值特征向量，选择特征值最大(即方差最大)的k个特征所对应的特征向量组成的矩阵。这样就可以将数据矩阵转换到新的空间当中，实现数据特征的降维。