搜索资源列表
2D-LDA
- 2维线性判别进行人脸识别的程序，很不错！采用ORL人脸库，取每人的1、3、5、7、9五幅图像作为训练图像，其余作为测试图像，进行二维线性判别。计算出特征向量矩阵，降序排列后，取前d（d=2,4,6，……，20）个特征向量组成的矩阵作为变换矩阵，对训练集合测试集进行特征重建，最后采用最近邻分类器。附有实验的结果。-code for face recognition based 2D-LDA，the performance is nice！
Otsu-method
- 申铉京等提出三维直方图重建和降维的Otsu阈值分割算法。通过重建三维直方图，减弱了噪声干扰，将三维直方图区域划分由八分法改为二分法，使得阈值搜索的空间维度从三维降低到一维。-Shin Hyun Beijing and proposed a three-dimensional histogram reconstruction and dimensionality reduction of the Otsu threshold segmentation algorithm. Weakened by
Self-adaptionMinerror
- 对二维最小误差法进行三维推广, 并结合三维直方图重建和降维思想提出了一种鲁棒的最小误差阈值分割算法.-For the three-dimensional extension of two-dimensional minimum error method, combined with three-dimensional histogram reconstruction and dimension reduction idea of minimum error thresholding a robu
Mnf
- MNF变换，能够实现高光谱遥感图像的MNF正逆变换，进行图像降维与重建-MNF transform, to achieve high spectral remote sensing images MNF inverse transform, image dimensionality reduction and reconstruction
MyPca
- matlab 运用PCA算法对图像降维级图像重建代码-matlab image using PCA dimensionality reduction algorithm for image reconstruction code level
PCA_ORL
- 人脸识别技术作为生物体特征识别技术的重要组成部分，在近些年来已经发展成为计算机视觉和模式识别领域的研究热点。本实验是基于K-L变换的主成分分析法（PCA）在人脸识别中的应用，在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真，并对样本图像进行了重构。本实验在ORL人脸库的基础上，选用每人前5张图片，共计40人200幅样本图像，通过快速PCA算法将10304维的样本特征向量降至20维，并实现了基于主分量的人脸重建，验证了PCA算法在高维数据降维处理与特征提取方面的有效性。-Fac
testMNF
- 最小噪声分离，能够实现高光谱遥感图像的MNF正逆变换，进行图像降维与重建(Minimum noise separation can realize the MNF positive and inverse transformation of hyperspectral remote sensing images, and reduce the image dimension and reconstruct the image)
python计算机视觉.pdf
- 本书是计算机视觉编程的权威实践指南,依赖 Python 语言讲解了基础理论与算法,并通过 大量示例细致分析了对象识别、基于内容的图像搜索、光学字符识别、光流法、跟踪、三维重建、 立体成像、增强现实、姿态估计、全景创建、图像分割、降噪、图像分组等技术。(This book is an authoritative guide to computer vision programming, which explains basic theories and algorithms based on
KLT
- 本程序实现了利用KL变换进行特征分解，并进行降维重建，示例图片在文件中给出。(This program realizes feature decomposition using KL transform and dimensionality reduction reconstruction. The example pictures are given in the file.)
Python机器视觉编程
- 《Python计算机视觉编程》是计算机视觉编程的实践指南，依赖Python语言讲解了基础理论与算法，并通过大量示例细致分析了对象识别、基于内容的图像搜索、光学字符识别、光流法、跟踪、三维重建、立体成像、增强现实、姿态估计、全景创建、图像分割、降噪、图像分组等技术。另外，书中附带的练习还能让读者巩固并学会应用编程知识。("Python Computer Vision Programming" is a practical guide to computer vision pro