搜索资源列表
第09章 人脸的检测与定位
- 人脸的检测与定位(在预处理部分，采用了特别的增强人脸特征与脸部皮肤之间对比度的方法及局域取阈值二值化方法，改进了预处理的效果。在图像分割部分，实现了经典的分合算法，并且使用成组算法改进了分合的效果。在人脸匹配部分，实现了基于眼睛和嘴的几何模型匹配，并对评价函数的构造进行了研究。)-Face Detection and Location (pretreatment, using a special facial features enhanced facial skin and the contr
072128
- 对由光源颜色变化引起的图像色彩偏差,进行了校正,并在YCbCr颜色空间建立了Cb-Cr色度查找表和亮度信息联合的肤色模型,应用预处理技术,去除部分非人脸区域,减少人脸检测的搜索空间,并采用模板匹配方法在人脸候选区域检测人脸.实验表明,该方法能够有效的从复杂环境的彩色图像中检测出左右旋转不超过45°的人脸,且不受人脸表情、尺度和数目的影响,且错误率较低.
用高斯模型来进行相似度计算
- 这是一个用高斯模型来进行相似度计算 然后，采用模板匹配的算法实现人脸的检测和定位的。,This is a Gaussian model used for similarity computation and then, using a template matching algorithm of face detection and positioning.
conernmatch
- 通过人工选择控制点即角点实现图像的匹配，采用放射变换模型，因此需要至少3对控制点-Control points through the artificial selection that corner of the image matching, the use of radiation transformation model requires at least three pairs of control points
imgpolarcoord
- 图像笛卡尔坐标转极坐标，下视景像匹配制导中，实时图和基准图的拍摄高度、方位和图像比例尺不完全一致，两图的轮廓形状存在旋转和变形等差异，边缘特征提取方法受图像灰度分布影响存在变形和移位，易导致匹配错误。用侧抑制竞争方法，图像边缘特征提取快速准确，不发生移位，对灰度变化也不敏感，再用扩展边缘特征法，克服轮廓变形对边缘匹配的影响。在此基础上，引入对数极坐标变换，进一步提高图像的抗旋转和尺度收放的匹配精度。结果表明，此方法模型简单、抗几何变形能力强且便于实现。-Cartesian coordinates
tuxiangpinjiefa
- 一种全自动稳健的图像拼接融合算 提出了一种全自动稳健的图像拼接融合算法。此算法采用Harris角检测算子进行特征点提取,使提取的 精度达到了亚像素级,然后以特征点邻域灰度互相关法进行特征点匹配得到了初步的伪匹配集合,并运用稳健的 RANSAC算法将伪匹配点集合划分为内点和外点,在内点域上运用LM优化算法精确地估计出了图像间的点变 换关系,最后采用颜色插值对交接处进行颜色过渡。整个算法自动完成,它对有较大误差或错误的特征点数据迭代 过滤,并用提纯后的数据来做模型估计 -A ro
harrisSAM
- 光谱角(Spectral Angle)衡量像素间的相关性存在着差异，本程序用于计算光谱角，及光谱角匹配-Spectral Angle (Spectral Angle) to measure the correlation between pixels there are differences, the process used to calculate the spectral angle, and spectral angle matching
BilinearInterplatearithmetic
- 配准中，先进行特征点的匹配，而后建立模型，最后进行插值，得到最终的图像-Registration, the first feature point matching, and then set up model, the final interpolation, the final image
ActiveAppearanceModels(1998)
- amm模型（主动形状匹配模型）在人脸定位中应用较多，通过对样本的训练拟合得到；初始化需要注意-amm model (active shape model matching) face in the application of more targeted, through the training samples have been fitted initialization needs attention
icp
- 这份资料详细描述了，如何实现三维模型之间的匹配对齐功能。对齐是三维扫描的重要一步-This information describes in detail how to achieve the three-dimensional model of the match between the alignment features. Alignment is an important step in three-dimensional scanning
AVehicleContourbasedMethodforOcclusion
- 摘要：在交通场景下进行多目标跟踪时，如何正确检测出车辆间的相互遮挡是影响车辆跟踪结果的关键。针对问题，运用投 影理论分析交通场景的三维几何投影特征．用长方体投影轮廓模型对车辆进行建模，重构其乏维投影轮廓，以进行遮挡的检 测和分离。与以往的方法相比，它在估计出的车辆外形轮廓基础t-进行遮挡检测，不需要匹配操作，计算量较小，并能解决 基于匹配的方法无法对付的初始遮挡问题。用实验验证了该算法的有效性。-In multi—object tracking of traf氍c scene。how
Model-baseddetectionandtrackingofvehiclesinfrontof
- 基于模型的车辆检测与跟踪方法综述 曲线投影的模型匹配方法-Model-based vehicle detection and tracking Methods of curve projection model matching method
89346528ImageEnage
- matlabcontourlet变换结合了不可分离的方向滤波组,具备小波所不能表达的多方向特性,能有效捕获自然图像的边缘轮廓信息。本文分析了图像ontourlet系数的统计特征,并利用广义高斯函数对各子带系数层进行建模。将此模型应用于基于VisTex的自建纹理图像库,采用矩匹配估计法,提取模型参数集,运用K2L -matlab
img_match_review
- 介绍了图像的变换模型、图像匹配的三要素及图像匹配性能评价指标。分析常用匹配方法的优点和不足之处，探讨了图像匹配中有待进一步研究和解决的问题-Describes the image transformation model, the three elements of the image matching and image matching performance evaluation. Analysis of commonly used matching the strengths and w
algorithmbehavior
- 针对行为识别中行为者朝向变化带来的问题,提出了一种基于人体行为3D模型的2D行为识别算法.在学习行为 分类器时,以3D占据网格表示行为样本,提取人体3D关节点作为描述行为的特征,为每一类行为训练一个基于范例的隐马 尔可夫模型(Exemplar-based hidden Markov model,EHMM),同时从3D行为样本中选取若干帧作为3D关键姿势集,这个 集合是连接2D观测样本和人体3D关节点特征的桥梁.在识别2D行为时,2D观测样本序列可以由一个或多个非标定的摄 像机采集
Super-resolution-reconstruction
- 这是超分辨率的实际应用论文。文章介绍了嫦娥一号月面成像的高次函数形变模型匹配及超分辨率重建知识。-This is the practical application of super-resolution paper. This paper introduces the Chang' e lunar surface imaging of high-order function of deformation model matching and super-resolution recons
mixture_of_gaussians
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。-training video with GMM model ,then get the background,and store the picture in your computer.
lag_lead_filter
- 基于模型匹配算法的超前滞后控制器，包含相同剪切频率，不同相位裕度的算法-Lead-lag controller based on model matching algorithm contains the same shear frequency and different phase margin algorithm
gmm
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
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