搜索资源列表
multimediaLED
- LED字符分割和识别， 在此项目中我们主要完成了对拍摄到的6位LED数字进行分割和识别的课题。识别的数字范围在0~9。由于拍摄环境比较复杂，需要解决复杂背景下对LED字符的分割问题。我们利用了图像的色彩信息，先进行基于色彩的分割，然后对分割结果进行了固定阈值的二值化，并利用投影修正完成了对LED数码管图像的分割，并使用基于模板匹配的算法进行了识别，在匹配过程中对图像进行了尺寸归一化处理。最终得到了较好的识别效果，对10幅样图的识别率达到100％-LED character segmentat
onenewfangfa
- 算法不仅具有旋转不变性, 而且对灰度变化、噪声、光照以及对比度变化等也具有很好的鲁棒性, 同时匹配速度比归一化积相关匹配算法(N P rod) 提高了近一倍。-algorithm with a rotating invariance, but the gray changes, noise, light and contrast changes with good robustness, while matching faster than a normalized correlation ma
expressionsb
- 基于弹性模板匹配的人脸表情识别程序。首先针对静态表情图像进行表情图像的灰度、尺寸归一化，然后利用Gabor小波变换提取人脸表情特征以构造表情弹性图，最后提出基于弹性模板匹配及K-近邻的分类算法实现人脸表情的识别。-based on elastic template matching Facial Expression identification procedures. First of all expressions against static image looked gray image
Patternmatching2
- 基于归一化互相关系数的算法在模板匹配和特征跟踪中运用十分广泛,但缺点是其计算量很大. 为此提出了一种在 空间域利用盒形基简化互相关的快速算法,在不修改归一化互相关匹配原理的前提下,用原模板图像在一组正交盒形基张成 的子空间上的投影取代原图像来进行互相关计算,以降低图像精度来缩减计算复杂度. 实验说明,当搜索窗口大小较小时,此 快速算法计算量明显小于传统的频域快速归一化互相关算法. 关键词:模板匹配归一化互相关系数子空间分解盒形基
快速归一化匹配
- 这是关于图像匹配的文章，通过快速的归一化匹配方式进行对点的匹配
基于模版匹配的图像匹配
- 基于模版匹配的图像匹配，并且采用归一化互相关后的误差平方和测度。
An.Image.Mosaic.Algorithm.Based.on.Matching.Shape.
- 提 出了一种基于形状模板 匹配的图像 自动拼接 方法。提取 图像 的角点作 为特 征点，利用归一化梯度模板对 其进行预 匹配．然后 利用形状模板在 四个方 向对模板 内图像的边缘 点与模板边界的最短距 离进行统计 ，获取模板 图像的 结构特征向量以实现对特征点的精确匹配。实验结果表明该算法具有较好的实用价值。 -A shape-based template matching method of image auto-splicing. Extract image feature po
基于弹性模板匹配的人脸表情识别程序
- 基于弹性模板匹配的人脸表情识别程序。首先针对静态表情图像进行表情图像的灰度、尺寸归一化，然后利用Gabor小波变换提取人脸表情特征以构造表情弹性图，最后提出基于弹性模板匹配及K-近邻的分类算法实现人脸表情的识别。-Flexible template matching based on facial expression recognition procedures. First of all, the expression for the static image of the gray-sca
15
- matlab 图像处理 显示两幅子图像的归一化互相关-matlab image processing show that two sub-image of normalized cross-correlation
FaceRecog_src100902
- 基于OpenCV的人脸识别演示程序。目前实现了Gabor+Fisherface算法，还有几何和光照归一化。 -->请到 http://code.google.com/p/facerecog/ 下载最新版本。<-- 功能：对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库中找到最匹配的人脸并显示。 在VS 2008 SP1上编写，使用了OpenCV 2.0和MFC，通过消息处理函数与用户进行交互，利用多线程来实时显示图像。 数据处理分为了C
Image_matching
- 为了解决光谱恢复对图像匹配高精度的问题, 提出了一种高精度图像匹配算法———利用光流确定图像的运动场对图像进行匹配。该算法克服了传统的基于灰度匹配方法受图像插值精度影响的缺陷以及运算速度和精度的局限性。与基于MAD 块匹配算法和归一化相关系数块匹配算法进行比较, 该算法实现了图像序列高精度匹配, 而且硬件实现简单, 计算复杂度较低。-To address the spectrum of the resumption of high-precision image matching problem
mbpp
- matlab 归一化相关系数，可用于模板匹配-matlab normalized correlation coefficient
touying
- 二维投影相关法是基于二维投影的灰度相关匹配算法，主要利用匹配图像相邻像素的灰度值的大小关系 应该相同的原理进行图像匹配。该算法不仅大大减少了数据的维数，而且算法主要涉及（0,1）整数运算。与去均值 归一化互相关算法相比，其在保证匹配精度要求的前提下提高了匹配速度。 -Two-dimensional projection-related method is based on two-dimensional projection of the gray correlation match
image matching
- 实现了三种图像匹配算法 1：归一化互相关匹配算法 2：基于Hausdorff距离的图像匹配算法 3：图像不变矩匹配算法-Three matching algorithms to achieve 1: normalized cross correlation matching algorithm 2: the image matching algorithm based on Hausdorff Distance 3: Image Invariant Moment Matchin
tuxiangpipei
- 基于小波变换的多分辨匹配算法: 首先利用小波的多分辩率特性将匹配图像和模板图像分解到乙层上，并且只保留LL低频部分，然后利用归一化相关法作为相似性度量，进行由粗到细的相关匹配过程，每次利用下一层的匹配结果在上层小范围内搜索。这样做极大地减少了搜索空间，而且减少了每次匹配计算相似度的数据量。 -Wavelet multiresolution matching algorithms: a wavelet multi-resolution feature will match the imag
matlab_imagematching
- 基于灰度的归一化匹配算法； 基于灰度的快速模板匹配算法。 -Based on the normalized intensity matching Based on Gray' s fast template matching algorithm.
testpipei_1
- 基于灰度的归一化匹配算法：将原图以及匹配图灰度化，算出相关系数后得到匹配区域。-Based on Gray' s normalized matching algorithms: the original image and the gray level of matching graph, calculate the correlation coefficient obtained after the matching area.
testpipei_1
- 基于灰度的归一化匹配算法：将原图以及匹配图灰度化，算出相关系数后得到匹配区域。-Based on Gray' s normalized matching algorithms: the original image and the gray level of matching graph, calculate the correlation coefficient obtained after the matching area.
NCC_matching
- 基于归一化的图像的互相关匹配，Visual C++平台(Image cross correlation matching)
【84】模板匹配
- OpenCV 模板匹配，matchTemplate方法使用，实测非常不错 平方差匹配法(SQDIFF) 归一化平方差匹配法(SQDIFF NORMED) 相关匹配法(TM CCORR) 归一化相关匹配法(TM CCORR NORMED) 相关系数匹配法(TM COEFF) 归一化相关系数匹配法(TM COEFF NORMED)(OpenCV template matching, matchTemplate method used, the measurement is very