搜索资源列表
ShapeFeatrueCBIR
- 概括论述了形状检索的方法，包括区域特征和轮廓特征。
一种多尺度的时间序列相似模式匹配算法
- 提出一种多尺度的时间序列相似模式匹配算法．该算法用离散小波变换对时间序列进行多分辨分析，在多尺度上提取序列的形状特征．然后在不同的尺度上找出相似的序列和子序列模式．该算法可以匹配不同长度的序列，并能支持垂直平移变换和幅度伸缩变换．
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
Chameleon
- Chameleon算法是一种通过在合并两类时用更高 的标准来提高聚类质量的聚类算法,它既考虑了互连 性,又考虑了近似度,特别是簇内部的特征,因而能够 自动地适应被合并簇的内部特征,因此具有较强的发 现任意形状和任意大小簇的能力。Chameleon算法首 先由数据集构造成一个K-最近邻图Gk,再通过一个 图的划分算法将图Gk划分成大量的子图,每个子图 代表一个初始子簇,最后用一个凝聚的层次聚类算法 反复地合并子簇来找到真正的结果簇。 -Chameleon
cheliangshibie
- 本文是基于形状特征的车辆车型检测的论文，还包括基于颜色活其他特征的各种算法介绍。-This article is based on the shape characteristics of the vehicle detection paper models, but also other characteristics of living based on the color of the various algorithms introduced.
e
- 基于边缘特征的水下目标分类识别算法 摘要：基于形状相似度的概念，利用目标边缘轮廓特征，给出一种基于距离多集方法的水雷目标性状分类算法。-Based on the edge of the characteristics of the underwater target classification and recognition algorithm Abstract: Based on the concept of shape similarity, using the edge of the
paper2
- 在深入研究主动形状模型(Active Shape Model，ASM)的基础上，提出了一种在AsM 中结合特征点 的邻域Gabor信息进行局部纹理建模的方法，并改进了搜索策略-In-depth study of active shape model (Active Shape Model, ASM), based on A combination of feature points in the AsM
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
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
Approach-of-object-detection
- 针对目前大多数形状特征描述的全局性以及对旋转 缩放等变化的敏感性， 采用一种基于目标近似多边形的形状特征描述， 这种描述方式具有局部性和紧凑性， 同时结合运动参数预测及递归估计的方法实现二维目标的检测和定位-Most shape for the global characterization of and sensitivity to changes in the rotation scaling, using a polygon shape based on characteristics o
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
Edit68CMU_pack_AAM
- 基于 AAM 的人脸特征定位方法在建立人脸模型过程中，不但考虑 局部特征信息，而且综合考虑到全局形状和纹理信息，通过对人脸形状特征和纹 理特征进行统计分析，建立人脸混合模型，即为最终对应的 AAM 模型。-AAM facial features localization method based on face model in establishing the process, not only consider local feature information, and consi
graphene_electro-optic_modulator
- MODE Solutions 拥有特征模式计算以及长距离光场传播的各种仿真方法，是一款设计、分析、优化波导结构的理想工具。特征模式计算引擎可以计算任意形状波导中导模的物理特性； 其2.5D varFDTD 可以快速高精度地仿真SOI楔形波导和环形谐振腔等；而特征模式展开法 eigenmode expansion (EME) solver 是仿真长传播距离波导器件，例如模斑尺寸转换器、楔形波导和布拉格光栅等器件的理想方法。-MODE Solutions has a characteristic p
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
2.4Pkb-sPMELP
- 提出了一种新的工作于极低码率下的混合激励线性预测(MELP)声码器.该声码器结合了线性预测编码(LPC)和多带激励编码算法的优点,对算法和量化方案重新进行了设计和改造,其主要特征包括改进的基音检测算法、混合的周期脉冲和随机噪声激励、有效的线性谱频率(LSF)参数量化以及激励谱形状表示.非正式主观测试表明,由采用本算法的一个2.4 kb/s编码器所重建的语音质量略优于美国联邦标准4.8 kb/s码激励线性预测编码(CELP)所重建的语音质量.-New Mixed Excitation Linear
主流的人脸识别技术
- 主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他算法结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。 3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。(The mainstream face recognition technology can
基于深度学习的机器人抓取仿真训练技术研究
- 机器人智能抓取是实现机器人智能化的重要一环。由于待抓取物品形状、尺度的多样性以及环境因素的影响，抓取任务很难用准确的数学公式求解。以往的研究多是借助计算机视觉、机器学习等相关技术，虽有一定的效果，但智能化程度还是较低。2012 年后深度学习技术逐渐崛起，因为其良好的特征提取表现被应用在了各个领域，如医学图像、自动驾驶、数据分析等，近年来国外学者开始将这项技术应用到机器人抓取，并取得了一定的成果。