当前位置：
首页 资源下载
搜索资源 - face image feature extraction matlab
搜索资源列表
-
0下载：
用主成分分析法提取人脸图像特征的程序，算法理论依据是K-L变换,Principal Component Analysis with face image feature extraction process
-
-
1下载：
此方法采用经典的PCA对人脸图像进行特征提取，用libsvm库函数的SVM分类器对图像分类。,This method uses the classical PCA on the face image feature extraction, with the libsvm library function of SVM classifier for image classification.
-
-
1下载：
这是一个人脸识别的程序，先对图像预处理，然后用PCA进行特征提取。-This is a face recognition process, first on the image pre-processing, and then use PCA for feature extraction.
-
-
0下载：
通过人脸图像归一化，人脸检测，特征提取等处理后，实现人脸识别功能-Through the Human face image normalization, face detection, feature extraction, such as treatment, the realization of face recognition feature
-
-
0下载：
线性差别分析法（LDA）提取人脸图像特征点子程序-Linear differential analysis (LDA) face image feature extraction process ideas
-
-
0下载：
本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
-
-
0下载：
计算机人脸识别技术( Face Reocgnition)就利用计算机分析人脸图像,从中提取出有效的识别信息,用来辨认身份的一门技术。[ 1 ]即对已知人脸进行标准化处理后,通过某种方法和数据库中的人脸样本进行匹配,寻找库中对应人脸及该人脸相关信息。人脸自动识别系统有两个主要技术环节,一是人脸定位,即从输入图像中找到人脸存在的位置,将人脸从背景中分割出来,二是对标准化后的人脸图像进行特征提取和识别。本文中介绍的PCA (特征脸)方法就是一种常用的人脸
特征提取方法。-Computer Fac
-
-
0下载：
实现人脸图像的采集 预处理 特征提取和图像变换-Collection of face images to achieve feature extraction and image transform preprocessing
-
-
0下载：
这是一个使用了Gabor特征提取和人工智能的人脸检测系统源代码
使用步骤：
1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱)
2. 找到"main.m"文件
3. 命令行中运行它
4. 点击"Train Network"，等待程序训练好样本
5. 点击"Test on Photos"，选择一个.jpg图片，识别。
6. 等待程序检测出人脸区域
createffnn.m, d
-
-
0下载：
pca又称主成分分析，主要用来提取图像的主要成分，作为特征提取一个重要算法，将其用于人脸识别-pca, also known as principal component analysis, mainly used to extract the main component of the image, as a key feature extraction algorithm, be used in face recognition
-
-
0下载：
使用Gabor特征提取和神经网络的人脸检测，里面带有人脸和非人脸的训练图库，检测效果很好。
运行该程序：
1 -所有文件和目录复制到MATLAB的工作文件夹 *-为了运行程序，你必须有图像处理和神经网络工具箱
2 - 找到名为“main.m”的文件
3 - 双击这个文件或在命令窗口中的“主”类型
4 - 将显示一个菜单。点击“火车网”，并等待，直到程序完成培训
5 - 点击“照片上的测试”。将出现一个对话框。选择一个。JPG图片
6 - 等待，直到程序检测
-
-
0下载：
实现了人脸识别的功能，特征提取，人脸图像预处理、K-L变换、特征提取及分类器设计，全自动的人脸自动识别系统-Face recognition, feature extraction, face image preprocessing, KL transform, feature extraction and classifier design, automatic automatic face recognition system
-
-
0下载：
利用主元分析和奇异值分解进行人脸特征提取的方法(并详细阐述其在PQRSQT中的实现过程(包括读取图像文件U计算均值脸U求特征值和特征向量(计算人脸特征参数-实现过程均给出了MATLAB代码-Using principal component analysis and singular value decomposition facial feature extraction method (and detail its in the PQRSQT in the implementation pr
-
-
0下载：
《数字图像处理与机器视觉——Visual C++与Matlab实现》书中的光盘内容之一。包括基本的图像处理算法，以及投影校正、特征提取、图像分割、人脸识别等等综合案例。-" Digital Image Processing and Machine Vision- Visual C++ and Matlab to achieve" one of the book' s CD-ROM content. Including the basic image processing
-
-
5下载：
CNN - 主程序
参考文献:
[1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006
[2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998
[3] https://github.com/rasmusbergpalm/DeepLearnToolbox
作者：陆振波
电子
-
-
0下载：
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
-
-
5下载：
[原创]混沌分析,聚类分析,支持向量机,群体智能优化,深度学习(卷积神经网络)Matlab工具箱全开源版本下载
作者: 陆振波
毕业院校：海军工程大学，船舶与海洋工程(水声工程)，博士
精通方向：信号处理，图像处理，人工智能，模式识别，支持向量机，深度学习，机器学习，机器视觉，群体智能，非线性与混沌，Matlab与VC++混编，大数据
擅长技能：团队激励，战略规划，企业文化，组织架构，C，C++，Matlab，OpenCV，并行计算，图像处理，智能视觉，卷积神经网络，人脸检测，行
-
-
0下载：
PIVlab - 时间分辨粒子图像测速（PIV）工具：
一种基于GUI的工具，用于预处理，分析，验证，后处理，可视化和模拟PIV数据。
使用MATLAB网络研讨会进行人脸识别代码：
使用MATLAB在线讲座的人脸识别中的主要演示文件。
Gabor特征提取：
该程序生成一个自定义Gabor滤波器组; 并使用它们提取图像特征。
主成分分析：
用于特征提取；
链码：
基于MATLAB的freeman的曲面轮廓描述(PIVlab - time resolved particle
-
-
0下载：
非常经典的特征提取算法，经常用来做降维方法，但是也可以直接用来做特征提取，很适合图像处理入门，在人脸识别也经常用到(Very classic feature extraction algorithm, often used to do dimensionality reduction methods, but can also be used directly to do feature extraction, it is suitable for image processing, in fa
-
-
0下载：
将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像特征提取的相关内容；同时对于机器视觉进行了前导性的探究，重点介绍了两种目前在工程技术领域非常流行的分类技术——人工神经网络（ANN）和支持向量机（SVM），并在人脸识别这样的热点问题中结束《精通Matlab数字图像处理与识别》。(Combining theoretical knowledge, scientific re
-
