搜索资源列表
fayeboy1984
- 此设计要求能够实现将医学图像进行识别的过程，包括了图像预处理、图像特征提取及分类判决三大模块。在预处理这一步中主要实现的是将彩色图像转换为灰度图像，灰度图像的二值化，直方图修正，去除干扰、噪声以及差异，边缘增强等；第二模块是图像的特征提取。由于对象的物理与几何特性差异，在影像中表现为局部区域的灰度产生明显变化，形成影像特征，而图像特征提取就是对其进行加工、整理、分析、归纳以便提取构成目标影像的特征，得到能反映图像内容区别于其他事物的本质特征；分类判决作为第三模块，则是要在第二步的基础上采用某种分
基于局部小波矩的图像匹配算法
- 该文将图像的视觉不变矩特征引入到图像匹配领域中，通过提取图像的局部小波矩，提出了一种基于局部小波矩的图像匹配算法。
BaseAutopanoramareserch
- 别对两幅图像提取广义特征点后， 利用基于根均方误差和交叉相关的两级匹配算法完成同名控制点的建立。并以局部加权直线拟合方法来校正图像 的几何畸变。最后建立两幅图像之间的函数映射关系，完成图像的配准。实验结果证明了该方法的有效性。-Do the two images extracted generalized characteristic point, the root mean square error-based and cross-correlation of the two cont
cx4
- 。在提取图像特征点的时候采用提取角点的方式，用角点检测与图像的局部自相关函数紧密结合的方法，通过角点分析来判断待检测点是否为角点。-In the extraction of image features: by the way, extracts angular point with corner detection and image of partial autocorrelation function of integrated method, through the corner to
Active-Contour-Models-
- 传统Snake 模型存在的缺点是, 其初始轮廓必须靠近图像中感兴趣目标的真实边缘,否则会得到错误结 果,且由于Snake 模型的非凸性,结果不能进入感兴趣目标的深凹部分,很容易陷入局部极小点. 由此该文提出一 种基于力场分析的主动轮廓模型,详细分析了基于欧氏距离变换的距离势能力场分布,归纳出感兴趣目标上真轮 廓点与假轮廓点的判别标准. 建立了由曲线能量到最终结果的有效方法,避免了Snake 陷入局部极小点. 实验结果 表明,该模型具有较大的捕获区域,能够进入感兴趣目标的深凹部分
A-performance-evaluation
- 一篇介绍典型局部特征算子的好文章，局部特征算子用于进行图像的特征提取，效果非常好-A performance evaluation of local descr iptors
006
- 由于光线分布不均匀或斑块噪音干扰等原因,往往使所要处理的指纹的灰 度值分布缺乏均匀性。在指纹特征自动识别提取过程中,造成许多传统的算法在局部出 现很大的误差。利用方差和均值特征的自动提取方法,首次对不均匀灰度图像进行自适 应分割。然后通过对图像分区域进行不同程度的自适应调整,使具有相同属性的像素单 元具有近似的灰度值分布。调整结果的灰度均匀水平与预先指定的调整精度成正比。这 种调整不仅提高了图像分割的自适应性,而且进一步扩大了一般阈值算法的应用领域。-Gray value d
image-feature
- 把 SIFT 算法应用在牙齿模型图像上，检测牙齿图像的特征点。 方法：首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息，从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点，得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度，并采用 KNN 算法进行特征匹配。 结果：通过大量的实验和与其他特征提取方法相比较，该方法能有效地检测牙 齿模型图像的特征，并为牙齿
Matching-Algorithm
- 要：图像匹配是计算机视觉中许多领域的基础，特征提取则是图像匹配的基础，其中不变量特征是一 个重要的理论。SIFt是最有效的尺度、旋转、亮度不变量局部特征之一，但算法复杂、计算时间长。分析 了SIFt的计算时间分配，通过计算关键点的邻域梯度直方图时动态修改采样步长，大大提高了SWr的 计算速度。分析了基于SIFt特征的图像匹配算法，提出了双向匹配算法，提高了图像匹配的准确率。实 验结果表明所提出的方法是有效的-Scale invariant feature transform(SI
2005510101315809
- 提出了一种复杂背景下的多车牌图像分割和识别方法，首先采用统计和特征匹配相结合的方法进行背景提取，将可能存在车辆的区域提取出来；然后分别对可能的车辆区域进行局部边缘检测，并使用车牌的先验知识确定车牌的位置和单个字符分割，包括车牌倾斜时的字符分割；最后使用PCA和神经网络相结合的方法精确识别车牌。-Proposed a multi-plate image segmentation and recognition method under a complex background, the first
25292626
- 为了实现复杂环境下的人脸特征有效表达，提出一种改进的梯度方向直方图（ＨＯＧ）人脸识别方法．首先以人脸图像网格作为采样窗口并在其上提取 ＨＯＧ特征；然后将所有网格 ＨＯＧ特征向量进行组合，实现整个人脸特 征表达；最后采用最近邻分类器进行识别．另外，比较了该方法与Ｇａｂｏｒ小波和局部二值模式（ＬＢＰ）２种著名的人脸 局部特征表示方法的优劣．实验结果表明，在调优的 ＨＯＧ参数下，在具有光照和时间环境等复杂变化的ＦＥＲＥＴ人 脸库中，较少维数的 ＨＯＧ特征比ＬＢＰ特征有更好的表现，而且 ＨＯ
visual-saliency
- 提出一种利用视觉显著性对图像进行分割的方法。首先提取图像的底层视觉特征，从局部显著性、全局显著性和稀少性3个方面计算各特征图像中各像素的视觉显著性，得到各特征显著图；对各特征显著图进行综合，生 成最终的综合显著图。然后对综合显著图进行阈值分割，得到二值图像，将二值图像与原始图像叠加，将前景和背景分离，得到图像分割结果-It presents a significant advantage of visual image segmentation method. First, extract
SIFT
- SIFT是由UBC（university of British Column）的教授David Lowe 于1999年提出， 并在2004年得以完善的一种检测图像关键点（key points , 或者称为图像的interest points(兴趣点) )， 并对关键点提取其局部尺度不变特征的描绘子， 采用这个描绘子进行用于对两幅相关的图像进行匹配（matching）。 目前， SIFT可以说是所有图像局部特征描述特征子 中最火的一个了。-SIFT was developed by David L