搜索资源列表
人脸识别系统设计—毕业设计
- 本课题的主要内容是图像预处理,它主要从摄像头中获取人脸图像然后进行处理,以便提高定位和识别的准确率.该模块主要包含光线补偿、图像灰度化、高斯平滑、均衡直方图、图像对比度增强，图像预处理模块在整个系统中起着极其关键的作用，图像处理的好坏直接影响着后面的定位和识别工作,内有源代码和全部论文资料-this issue is the major content of image preprocessing, mainly from the camera to obtain images Face the
gaussian_partical
- 用高斯和离子滤波来跟踪视频图像中的移动对象，和模式识别有关
毕业设计:人脸识别系统设计软件
- 本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。 随软件附上设计文档和参考资料。
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
mixture_of_gaussians
- 混合高斯模型 图像检测 可以应用于视频和图片-Mixture Gaussian model image detection can be applied to video and picture
Image-Restoration-with-BPNN
- 基于BP神经网络的高斯模糊图像复原的方法实现，结合了BP神经网络良好的非线性逼近功能，效果较传统的算法更好。-BP neural network based image restoration method of Gaussian blur implementation of BP neural network combines good nonlinear approximation function, the effect is better than traditional algorit
EMal
- 使用EM算法完成图像的分割，使用混合高斯模型，可以修改分类数。运行EM.m-Expectation Algorithm
Lplace
- 装载图像 使用高斯平滑消除噪声， 将图像转换到灰度空间。 使用Laplacian算子作用于灰度图像，并保存输出图像。 输出结果。-Loading image Use Gaussian smoothing to eliminate noise, the image is converted to grayscale space. Laplacian operator acting on grayscale images, and save the output image.
Enhancement-Based-on-Visual-Property
- 常见的基于人类视觉特性的图像增强算法由于是同时完成动态范围压缩和对比度增强,导致增强图像的整 体对比度不高、边缘部分效果不佳.通过分析人类视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞 感受野的传输特性,提出一种仿生图像增强算法.为适应人类视觉系统对光强的主观感觉特性,对图像作全局亮度 对数变换 并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性,采用视网膜神经元感受野三高斯 模型来调整亮度图像的局部对比度 最后利用线性变换恢复图像的彩色信息.实验结果表明,该
GMM
- 高斯混合模型，通过EM算法迭代得出，可用于语音识别，图像识别等各种领域(Gauss mixture model is iteratively obtained by EM algorithm, and can be used in various fields such as speech recognition and image recognition)