搜索资源列表
金字塔SIFT提取
- 金字塔SIFT提取,用来做场景分类.
CKPCA-HOG-SVM
- 为了准确地对监控场景中的运动目标进行语义上的分类，提出了一种基于聚类的核主成分分析梯度方向直方图和二又决策树支持向量机的运动目标分类算法。-In order to accurately monitor the movement of scene targets semantic classification, the clustering based on kernel principal component analysis of gradient direction histograms,
bag_words_demo
- 一个学习自然场景类别的贝叶斯模型、基于“词袋”模型的目标分类。来源于Feifei Li的论文。是近年来的目标识别模型热点之一。-”A Bayesian Hierarchical Model for Learning Natural Scene Categories“ FeiFei Li.CVPR2005
histDist
- 包括彩色图像直方图计算和灰度图像直方图计算，可以作为场景图像分类的一种方法-Including color and grayscale images to calculate an image histogram histogram calculation can be used as a method of image classification scene
plot_classifier_comparison
- 调用机器学习库sk-learn中的svm，KNeighborsC，GaussianProcess算法进行分类任务，并且比较这几种算法在三种场景下的性能-Using machine learning libraries sk- learn the SVM, KNeighborsC, GaussianProcess algorithm classification task, and comparing the several kinds of algorithm in the performanc
MLkNN
- ML-KNN，这是来自传统的K-近邻（KNN）算法。详细地，为每一个看不见的实例中，首先确定了训练集中的k近邻。之后，基于从标签集获得的统计信息。这些相邻的实例，即属于每个可能类的相邻实例的数量，最大后验（MAP）原理。用于确定不可见实例的标签集。三种不同现实世界中多标签学习问题的实验研究，即酵母基因功能分析、自然场景分类和网页自动分类，表明ML-KNN实现了卓越的性能(ML-KNN which is derived from the traditional K-nearest neighbo
代码
- 图像配准的过程中两种或两种以上的图像重叠了在不同的同一个场景倍,从不同的观点和/或不同传感器。这两images-the区域的几何参考和感觉到图像。目前图像之间的差异,介绍了因不同成像条件。图像配准的一个决定性的步骤所有图像分析任务在最后的信息结合了各种各样的数据能源,如在图像融合、变化检测和多通道形象得到恢复。通常,必须注册在多光谱遥感分类、环境监测,变化检测图像拼接、天气预报、创造超分辨率图像、整合信息到地理信息系统(GIS)),结合医学计算机断层扫描(CT)、核磁共振数据获得更完善的信息,如