搜索资源列表
123
- 介绍了一种基于低成本CMOS摄像头的智能监控系统,实现了现场监控的实时化、智能化。系统可自动判别危险程度,可分别提供绿色、黄色和红色报警信息,并驱动相关附属设备工作。针对图像传输过程中的噪声,系统采用了对噪声图像使用局部算子的滤波技术来提高图像质量。根据对静态图像进行三原色分离后误差域的研究,达到背景与图像分离的目的,成功实现了图像的获取和处理。在低成本投入下,以简单的配置和简便的操作达到了高性能监控系统的功能。
sopc_2DBarcode
- 基于SoPC的嵌入式二维条码识读系统使用集成在QuartusII中的SoPC Builder开发组件配置生成片上系统,结合降噪处理、背景分离 图像校正、图像二值化、码字识别、信号纠错等技术，处理由OmniVision OV7649 CCD产生的条码图像。
rev1
- 混响背景下主动声纳接收信号的可分离性探讨.-The reverb context active sonar the received signal separability explore.
target-detectio
- 常见的目标检测方法主要有光流法，帧差法和背景模型法。光流法利用背景和运动目标的运动速度不同进行目标检测，计算量较大；帧差法对连续几帧图像的背景进行配准，通过前后帧的差分图像分离出运动物体；背景差法根据已知背景对图像进行差分，在运动背景下需要对背景模型进行更新。-Common target detection methods are mainly optical flow method, frame differential method and background model method.
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
Structured-Sparsity-Models
- 用于混响背景语音分离的结构稀疏模型(Strutured sparisty model)方法-To further tackle the ambiguity of the reflection ratios, we propose a novel formulation of the reverberation model and estimate the absorption coefficients through a convex optimization exploiting
Background-separation
- 高斯处理视频并跟踪运动做前景背景分割，可用来做前背景分离，分离出运动物体，达到抠图的效果-Gauss video processing and tracking moving foreground background segmentation, can be used to do before the separation, separation of a moving object, to achieve the effect of Gauss matting video processin