搜索资源列表
基于fpga的二值图像快速标记法
- 摘要：在图像自动目标识别和跟踪过程中，首先对图像目标进行阈值分割提取，得到的二值 图像通常包含多个连通区域， 系统利用图像目标的形状特性对可疑高威胁的飞行目标进行自 动识别。因此，需要对各连通区域块进行分别检测判断，本文采用改进的适合 FPGA 实现 的快速标记算法对各连通域进行检测提取。
SFS三维重构递推算法的求解及精度研究
- 由单幅二维图像重构出曲面的三维几何形状技术一直是图像领域研究的难点，主要 表现在现有方法重构精度较低、图像辐射度方程的迭代求解容易发散以及光照易受到干 扰等难以解决的问题，整个理论体系还不完善。由于从明暗恢复形状的方法，只需单幅 图象的灰度信息就可恢复物体三维表面形状，所以近年来，SFS技术作为计算机视觉领 域重要的研究方向，己日益被关注，尤其在工业、农业、国防、医学、空间技术等领域， 更具有广泛的应用前景。
一种基于图像显著特征点的检索算法
- 摘要提出一种基于图像显著特征点的检索算法．首先给出一种具有一定自适应能力的显著特征点的提取算 法，即采用改进的图像的块逆概率差模型来提取原图像的块逆概率差图像(DBIP图像)．在此基础上，根据BDIP图 像中像素的分布特点来提取图像的显著特征点．然后以它们为线索，把图像的形状特征和空间颜色分布特征有机 结合起来进行检索．该算法不仅克服利用兴趣点检索时的缺点，而且降低传统显著点提取算法的复杂度，又包含一 定的形状信息，具有较好的检索效率．实验结果表明，该算法是有效的． 关键词基于内容的图
cutcurcle
- 用于截取一个图像里面形状为原型的局部区域图片。-cut cuecle
DSD
- 数学形态学(Mathematical Morphology)诞生于1964年，是由法国巴黎矿业学院博士生赛拉(J. Serra)和导师马瑟荣，在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出“击中/击不中变换”， 并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。他们的工作奠定了这门学科的理论基础， 如击中/击不中变换、开闭运算、布尔模型及纹理分析器的原型等。数学形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。-Mathem
DFG
- 数学形态学的数学基础和所用语言是集合论，因此它具有完备的数学基础，这为形态学用于图像分析和处理、形态滤波器的特性分析和系统设计奠定了坚实的基础。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。数学形态学的算法具有天然的并行实现的结构， 实现了形态学分析和处理算法的并行，大大提高了图像分析和处理的速度。-The mathematical basis of mathematical morphology and the language is set theory, s
Moving-Least-Squares-morphing
- 利用最小二乘法实现图像变形,提出一种基于控制曲线集的移动最小二乘图像变形算法。根据图像的形状拓扑关系或轮廓信息设置点，生成控制曲线，移动控制曲线生成图像的仿射变换、相似变化、刚性变换。 -The technology of image deformation.Using Moving Least Squares.
boundary.slides.printing.6
- 对图像的描述的各种形状描述子的总结和归纳-Review and summarize various shapes of the image descr iption describes the sub
Shape
- 针对常见的几何形状匹配算法对目标遮挡较为敏感, 提出了一种基于角点匹配的几何形 状定位。 该方法首先根据边缘曲率提取图像的角点, 然后采用基于改进的投票策略的角点匹配算法对检测图与模板图进行匹配, 最后通过 Ransac算法去除错匹配。 实验表明, 该算法定位效果良好,有效地解决了目标部分遮挡问题。-A noval geometry shape position algo rithm based on point feature matching is proposed to solve t
Image-Retrievals
- 基于图像内容的多维特征检索技术，主要利用图像的形状特征提取-Retrieval technique based on multi-dimensional characteristics of the image content, the main use of the shape of the image feature extraction
CBIR
- 基于内容的图像检索 基于颜色、纹理、形状的图像检索 基于区域的图像检索 基于语义的图像检索 相关反馈 -Based on the content-based image retrieval based on color, texture, shape-based image retrieval region-based image retrieval based on semantic image retrieval relevance feedback
color-shape-feature-of-algorithm
- 提取图像的颜色特征和形状特征用于检索图像-Comprehensive color feature and shape feature of image retrieval algorithm
Image-segmentation-and-retrieval
- 几篇有关图像分割与检索的文章，采用边缘检测提取形状，采用形状检索，有用-some useful papers of Image segmentation and retrieval
image-segmentation
- 针对目前传统的枸杞分级主要采用人工方法， 费时费力且效率不高的缺点， 提出了一种基于机器视觉技术对枸杞 进行自动分类的方法。 采用数字图像处理技术对枸杞图像进行了预处理、 分割 ， 从而提取枸杞的色泽、 大小及形状等特征 参数； 用 K-means 算法对特征进行聚类， 得到枸杞相应等级的基准； 根据聚类分析得到的基准采用最小距离分类器对枸杞 进行分级。 实验结果表明 ， 该方法能够准确快速地对不同色泽和大小的枸杞进行分类。-Traditional wolfberry sorting
Image-processing
- 文章以胡柚为研究对象， 针对基于机器视觉的胡柚品质分拣生产线所涉及的关键技术进行理论和试验研 究，先对在传输带上运动的胡柚进行图像采集、图像分割、图像平滑、灰度化和锐化等一系列 的图像处理， 然后对处理后 的胡柚图像提取大小、颜色和缺陷的特征值，最后依据提取的特征参数进行大小、颜色和缺陷分级。 并以此为基础，研究 适合实时条件下的胡柚大小、形状、颜色及果品缺陷等品质指标的检测方法和分拣执行机构。- This paper takes grapefruit as the research
Machine-vision-analysis
- 硕士论文，基于机器视觉苹果检测算法的研究。主要内容包括：1、国内外研究现状及进展 2、苹果图像采集与处理 3、苹果大小与形状检测 4、粒子群优化的BP神经网络苹果颜色检测算法 5、遗传算法优化BP神经网络苹果缺陷检测算法 6、苹果检测系统的软件、硬件及界面设计-Research on Apple detection algorithm based on machine vision. The main contents include: 1, the domestic and foreign r
kalman-track
- 文中提出了一种基于kalman 预测和自适应模板的目标相关跟踪算法。通过kalman 预测下一帧图像中目标的 状态，缩小整个图像上目标检测的搜索范围，满足目标跟踪的实时性。采取自适应模板更新策略，根据目标的变化情 况自动调节参考模板，提高目标跟踪的稳定性。仿真实验结果表明，算法能够随着目标的形状、大小、位置的变化快速 调整参考模板，进行稳定和实时的跟踪，当目标被物体遮挡时仍能有效地跟踪目标。-A correlation-based tracking algorithm based o
Facial_Feature_Tracking
- 通过建议一个人脸形状先验模型关注该问题，该模型基于受限Boltzmann Machines (RBM)及其变种构建。特别的，我们首先基于深度信任网络构建一个模型以获取接近正视角的表情变化的人脸形状变量。为了解决姿态变化问题，我们将正面人脸形状先验模型整合到一个3路（3-way）RBM模型，其可以获取正面人脸形状和非正面人脸形状间的关系。最后，我们建议一个方法，将人脸先验模型和人脸特征点的图像度量系统性地组合在一起。-we address this problem by proposing a
Robust_Face_Landmark
- 在现实世界条件下获取人脸存在较大的变化在形状和遮挡由于不同在姿态、表情、附属品的使用，例如，太阳镜和帽子以及与目标体（e.g. 食物）的交。当前的人脸界标估计方法在这种条件下努力但由于缺乏一种有效的理论方法用于处理局外点。我们提供了一个新奇的方法，称为Robust Cascaded Pose Regression (RCPR)，通过检测显式的遮挡且使用鲁棒的形状索引的特征可以减少exposure对于局外点。我们证明RCPR改进先前的界标估计方法在3个通用的人脸数据集上(LFPW, LFW and