搜索资源列表
fusion-pca
- 用PCA的方法，对两幅聚焦不同的图像进行融合处理，从而获得清晰图像。-using PCA, focusing on two different images for integration, thereby get a clear image.
Researchontheshapefeatureextractionandrecognition.
- 主分量分析(PCA ) 是统计学中分析数据的一种有效的方法, 可以将数据从高维数据空间变换到低维特征空间, 因而 可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中, 用PCA 法提取图像的形状特征, 能够较好地满足识别 层的输入要求。在识别层研究了3 种识别方法: 最近邻法则、BP 网络及协同神经网络方法, 均取得了满意的实验效果。-Principal component analysis (PCA) is a statistical analysis of data in a
20061107094443510
- 包括256色转灰度图,Hough变换,image_j1,PCA,Walsh变换,对比度拉伸,二值化变换,反色, 方块编码,傅立叶变换,高斯平滑,灰度均衡,均值滤波,拉普拉斯锐化（边缘检测）, 离散余弦变换,亮度增减,逆滤波处理,取对数,取指数,梯度锐化,图象处理,图像镜像, 图像平移,图像缩放,图像细化,图像旋转,维纳滤波处理,用Canny算子提取边缘,阈值变换,直方图均衡. -Including 256 colors to grayscale, Hough transform, image_j
malic
- 它是SourceForge上的一个开源项目，使用Malib实现实时处理，CSU Face Identification Evaluation System进行人脸识别。算法包括：主成份分析(principle components analysis (PCA)),a.k.a eigenfaces算法,混合主成份分析,线性判别分析(PCA+LDA),图像差分分类器(IIDC),弹性图像匹配算法(EBGM)等等 Malic is realtime face recognition system
1
- Amir Hossein Omidvarnia用matlab编写的基于PCA的人脸识别系统和基于FLD的人脸识别系统,其中 的图像示例为Essex face database中 face94 的部分图像,文献可参考"Eigenfaces vs. Fisherfaces: Recognition using class specific linear projection."已经测试过程序可正常运行没有问题。-Amir Hossein Omidvarnia prepared using
PCAbased-Laplacian-pyramid
- 本文阐述了基于主元分析的拉普拉斯金字塔图像融合的原理和方法:首先对原图像分别进行拉普拉斯 金字塔分解,然后分别对高频部分采用主元分析（PCA）法融合,对低频部分采用平均梯度法进行融合,最后对 拉普拉斯金字塔做反变换得到最终的融合图像。通过对可见光与红外图像的融合，以及对不同焦距图像融合 的结果分析，该算法比单纯的PCA和拉普拉斯图像融合能得到具有更多有用信息的高对比度的融合图像-In this paper, principal component analysis based on
Image-Fusion-Using-PCA
- 基于PCA的遥感影像融合Matlab程序，在Matlab 2011b上完美运行！-Remote sensing image fusion based on PCA Matlab, it works perfect on Matlab 2011b!
fsvm_pca
- 一个基于FSVM的人脸识别程序，用PCA提取特征，进行识别，里面包含原始的人脸图像-A based on FSVM face recognition program, using PCA feature extraction, identification, which contains the original face image
PCA
- pca人脸识别 基于代数统计的方法是使用统计学观点提取基向量，之后将人脸向量投影到基向量上，得到的投影值即为不同的人脸图像特征，这种方法利于操作，比较灵活。本次设计采用PCA方法对人脸进行降维，提取特征。 -pca face recognition based on the statistical method Generation is extracted base vectors using a statistical point of view, and then the vector
fus
- this based on wavelet image fusion using pca
PCA-matlab
- 几个基于pca的matlab程序。使用时直接输入图片就可以了-Based on several pca matlab program. When using direct input image can be
PatternRecognition
- (1)Bayes分类 已知N=9， =3，n=2，C=3,问x= 应属于哪一类？ (2)聚类 使用c－均值聚类算法在IRIS数据上进行聚类分析 (3)鉴别分析 在ORL或Yale标准人脸数据库上完成模式识别任务。 用PCA与基于核的PCA（KPCA）方法完成人脸图像的重构与识别试验。-(1) Bayes classification Known N = 9, = 3, n = 2, C = 3, x = should ask which cat
PCA_face_configuration
- matlab平台下基于PCA的人脸识别程序。压缩文件中包含测试使用的人脸图像文件。 -Under the PCA face recognition matlab platform is based on the program. People compressed file contains tests using face image files.
msyvbcxk
- 结合PCA的尺度不变特征变换(SIFT)算法，iKLLBOZ参数包括广义互相关函数GCC时延估计，使用高阶累积量对MPSK信号进行调制识别，外文资料里面的源代码，PSnpgKU条件基于matlab GUI界面设计,在MATLAB中求图像纹理特征。- Combined with PCA scale invariant feature transform (SIFT) algorithm, iKLLBOZ parameter Including the generalized cross-corr
wwgzbicr
- 直线阵采用切比学夫加权控制主旁瓣比，一些自适应信号处理的算法，分析了该信号的时域、频域、倒谱，循环谱等,借鉴了主成分分析算法（PCA），粒子图像分割及匹配均为自行编制的子例程。- Linear array using cut than learning laid upon the right control of the main sidelobe ratio, Some adaptive signal processing algorithms, Analysis of the signal
qenbei_v43
- 使用拉亚普诺夫指数的公式，图像的光流法计算的matlab程序,借鉴了主成分分析算法（PCA）。- Raya Punuo Fu index using the formula, Image optical flow calculation matlab program, It draws on principal component analysis algorithm (PCA).
nuikie
- 采用了小波去噪的思想，借鉴了主成分分析算法（PCA），粒子图像分割及匹配均为自行编制的子例程。- Using wavelet denoising thought, It draws on principal component analysis algorithm (PCA), Particle image segmentation and matching subroutines themselves are prepared.
PCAnoise
- 本文提出了一种基于补丁的噪声电平估计算法，补丁产生的单噪声图像。一个可以很容易地估计噪声水平使用主成分分析（PCA）如果图像块的图像只包含弱特将补丁。基于补丁的噪声电平估计的挑战是如何选择弱纹理补丁从嘈杂的图像。去描述在本文中，我们提出了一个选择弱纹理补丁的补丁和基于统计的梯度单噪声图像的新算法。然后，我们估计噪声水平从选定的弱纹理补丁使用PCA。我们实验证明，所提出的噪声电平估计算法优于国家的最先进的算法。-A patch-based noise level estimation algori
PCA2
- 此代码为主成分分析，采用matlab编写，可以用于数据处理和人脸图像处理，此代码为基于pca的人脸识别。(This code is based on component analysis, written using MATLAB, can be used for data processing and face image processing, the code for PCA based face recognition)
pca
- 在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。 因此需要找到一个合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，