搜索资源列表
数字图像处理alpha版
- 本软件是由作者经过数字图像处理课程的学习，采用vc++.net将其基本算法实现，其算法主要包括： 1.点运算（灰度直方图，直方图均衡处理，线性运算，二值化，灰度化等） 2.几何运算（旋转，放缩，镜像，平移） 3.几何空间增强（均值，中值滤波器，k近邻均值，中值滤波器，Roberts,sobel,priwitt,laplacian,wallis锐化算子等） 4.频率域增强（基2FFT进行空间域到频率域的转换，高斯，理想，巴特沃斯高低通滤波器） 5.形态学（膨胀，腐蚀，开，闭运算，边缘提取） 6.图
duixiangguanxi
- 基于对象空间关系的图像检索方法研究,介绍了基于对象空间关系的检索方法
200611317241258
- 基于不同特征的图像检索技术，颜色、纹理、形状、空间关系等特征提取的基础上，基于语义的图像检索技术
图像颜色迁移处理
- 该程序使用MFC编程实现图像颜色迁移，主要是通过颜色空间变换，将原来相关性强的图像转化到相关性弱的颜色空间，再通过源图像与目标图像的均值与方差，求的图像变换的线性关系，最后实现迁移，效果可以。
HoughTrans
- Hough变换的实质是将图像空间内具有一定关系的像元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点。在参数空间不超过二维的情况下， 这种变换有着理想的效果。但是，一旦参数空间增大，计算量便会急剧上升，同时耗费巨大的存储空间，耗时也随之猛增。就此，多年来国内外众多学者针对具体情况对常规Hough变换进行了多方面的探索，并提出了许多有价值的改进方法。-Hough transform is essentially the image space has a certain rel
jiyuMATLABdetuxiangpeizhun
- 图像配准常常是作为其他图像处理应用的前处理步骤使用的，往往用于图像的对准、目标识别与定位。介 绍了在MATLAB系统中，如何应用MATLAB的IPT函数对图像进行配准的方法：首先用人机交互的方法在待配 准图像与基准图像之间进行图像配准所必需的匹配控制点的选取，然后用这些匹配控制点来计算两图像的某种空 间几何变换关系，最后利用这个空间几何变换关系对待配准图像进行几何变换，获得配准结果。实验表明，该方 法实现容易，且非常有效。 -Image registration is oft
hough(vc)
- Hough变换最先是由Paul Hough在1962年提出的， 它所实现的是一种从图像空间到参数空间的映射关系,其主要优点就是检测几何形状的能力较少受到几何形状中间断点的干扰 ， 而且不需要预先组合或连接边缘点， 可以广泛应用于纤维、 孔径等自动检测中-Hough transform is the first by Paul Hough in 1962, and it is a realization from the image space to parameter space of the
Hough
- Hough变换 所实现的是一种从图像空间到参数空间的映射关系。-Hough transform is achieved from the image space to parameter space mapping.
aImage
- 基于不同特征的图像检索技术，颜色、纹理、形状、空间关系等特征提取的基础上，基于语义的图像检索技术-Different characteristics based image retrieval, color, texture, shape, spatial relations, feature extraction based on semantic-based image retrieval. Rar
image-retrieval-technology-research
- 基于内容的图像检索技术的关键在于特征提取，是利用图像的颜色、形状、纹理、轮廓、对象的空间关系等客观独立的存在于图像中的基本视觉特征作为图像的索引，计算查询图像和目标图像的相似距离，按相似度匹配进行检索。综合国内外研究现状，可将基于内容的图像检索技术分为如下几种类型:基于颜色特征的检索、基于纹理特征的检索、基于形状及区域的检索、基于空间约束关系的检索。-Based on comparing various affine invariant regional basis, selection of
04
- 如何面对人们日常生活中接触到的，尤其是互联网上数量激增的图像进行有 效的分类，已经成为研究的新热点。虽然现有的图像分类技术已经取得不错的性 能，但是它们还存在着一些问题。一是大部分现有的图像分类算法都是基于图像 的底层特征，’无法解决图像分类中的“语义鸿沟”问题；二是，大多数图像分类算 法总是忽视图像中部分与部分之间的空间关系。-How to face contact with people' s daily lives, especially surge in the n
mutual-information
- 红外和可见光的匹配跟踪在军事、遥感等领域有着广泛的应用。针对灰度和图像特征存在比较大差异的红外和可见光图像，本文采用了最大互信息算法，结合形态学梯度和小波分解。互信息算法优点在于不需要对多模图像灰度间的关系做任何假设，不足之处在于它对图像空间信息的忽略而且计算时间较长。本文互信息结合多结构元的形态学梯度检测的图像边缘，可以使得图像匹配精度提高，还能改善局部极值的问题，再利用小波分解对图像进行压缩降低分辨率，可以减少互信息计算量。最后的实验数据表明在配准过程中互信息的计算速度得到了优化，匹配精度得
05582198
- 在这篇文章中，我们提出用一种全新的方法即前景后景分离（FBS）结构法来解释极化合成孔径雷达（极化SAR）图像。这种FBS结构法在像素上考虑了空间关系并融合了成对差异分组法的优点，FBS法可以将特定的目标和对象从背景中分离出来，这在解译系统中是必不可少的。可结合多种FBS操作来解译极化SAR图像并灵活地融合各种固有特征的极化SAR数据。几组极化SAR数据将被用来验证提出的方法。-In this article, we propose a new method that prospects King
Hough_Dect
- 数字图像处理在人们的生活中无处不存在着它的影子，是非常流行热门的技术之一，可以说它是一种每时每刻都在改变着人类生活的技术。人们对于物体的识别主要针对于物体的外形，图像分割目的是对图像中有意义的特征部分进行提取，所谓有意义的特征包括图像中物体的外形边缘和区域等。本文主要针对其中的一个传统而经典的分割方法Hough变换而展开。Hough变换实现的是一种从图像空间到参数空间的映射关系，具有对抗噪声的鲁棒性以及在图像中的不连续性等优点，通过它构建的参数空间可以容易地对特定形状，如直线、圆等解析曲线进行判
HoughDect
- 数字图像处理在人们的生活中无处不存在着它的影子，是非常流行热门的技术之一，可以说它是一种每时每刻都在改变着人类生活的技术。人们对于物体的识别主要针对于物体的外形，图像分割目的是对图像中有意义的特征部分进行提取，所谓有意义的特征包括图像中物体的外形边缘和区域等。本文主要针对其中的一个传统而经典的分割方法Hough变换而展开。Hough变换实现的是一种从图像空间到参数空间的映射关系，具有对抗噪声的鲁棒性以及在图像中的不连续性等优点，通过它构建的参数空间可以容易地对特定形状，如直线、圆等解析曲线进行判
作业5
- 理解频域处理与空间域处理的等效关系与步骤，掌握频域相乘与空间域循环卷积之间的对等关系，理解DFT运算中补零的效果。(Understand the equivalent relationship and steps of frequency domain processing and space domain processing, understand the reciprocal relationship between frequency domain multiplication and
灰度共生矩阵
- 灰度共生矩阵，指的是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 [1] 1973年Haralick等人提出了用灰度共生矩阵来描述纹理特征。 由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两像素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。(Gray-level co-occurrence matrix refers to a common method for describing texture by studying the spatia
GLCM-OpenCV-master
- 由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 Gray-level co-occurrence matrix from an image 图像的灰度共生矩阵(Because the texture is formed by the repeated appearance of the gray distribution in the
基于SIFT算法的图像特征点提取与匹配
- 文章深入研究了 SIFT 特征点提取的原理及过程，以基于 K-D 树结构的近邻算 法对呈线性变换的两幅图像在不同视角和噪声干扰情况下进行了特征点的粗匹 配，并通过随机抽样一致性算法(Random Sample Consensus)进行特征点的提纯，删 除例如错误的匹配特征点对。针对粗匹配后误匹配点对较多导致的 RANSAC 算法 效率降低、运算时间变长的情况，论文以视差梯度约束对粗匹配点对进行预筛选， 提升了 RANSAC 算法的效率。根据匹配点对空间位置关系得出图像之间的变换模 型；最后将图像
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。