搜索资源列表
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
1
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模型和KDE分类结果, 来解决背景更新中的死锁问题, 同时检测背景的突然变化. 实验证明了所提出
mygvf
- 自己设计的GVF模型图像分割程序，改进了初始轮廓的选择方法，快速分割。-GVF model designed image segmentation process to improve the initial outline of the selection method, rapid division.
IntelligentTransportationSystem
- 本文主要研究了基于视频的车型自动识别系统，系统通过对摄像机采集的视 频图像进行运动车辆检测分割、特征提取与选择、模式识别等处理，达到实时车 型识别-This paper mainly studies video-based automatic vehicle identification system, the system collected through the camera video image vehicle detection exercise segmentation,
A.Blind.and.Robust.Watermarking.Scheme
- Abstract- H.264/AVC is becoming a popular video codec for its better compression ratio, lower distortion and applicability to portable electronic devices. Thus, issues of copyright protection appropriate for this standard become very importan
tv
- 图像修复是数字图像处理的重要内容, 可用于被损坏的图像和视频修复、视频文字去除以及视频错误隐藏等。基于tv模型的修复方法有较好的恢复效果, 但对参数的选取比较敏感, 运算量较大。本文提出了一种基于tv模型的自适应图像修复方法, 与原方法相比可以有效提高该算法的稳健性, 并能显著的减少运算时间。-Image inpainting is the important content of digital image processing, can be used to repair damaged i
BL-Model
- 贝叶斯优化组合方法选择：采用Black Litterman方法-Bayesian Optimal Portfolio Selection： the Black-Litterman Approach
Semantic-Segmentation
- CVPR2012_oral Weakly Supervised Structured Output Learning for Semantic Segmentation-We address the problem of weakly supervised semantic segmentation. The training images are labeled only by the classes they contain, not by their location in t
qundoview
- QItem Selection Model for Linux Source Code.
Image-Region-Segmentation
- 位图图像稳定区域分割的种子点选取条件，区域定义 区域分割 高斯混合模型 高斯分布 种子点选取 阈值选取 灰度范围-Bitmap image stabilization region segmentation of the seed point selection conditions, regional definition Region segmentation Gaussian mixture model Gaussian distribution The seed point select
SVM-regression-theory-and-control-
- 支持向量机回归理论与神经网络等非线性回归理论相比具有许多独特的优点有线性回归和非线性回归,其模型的选 择包括核的选择、容量控制以及损失函数的选择.在控制方面的研究包括非线性 时间序列 的预测及应用、系统辨识以及优化控制和学习控制等方面的研究-Support vector machine (SVM) regression theory and neural network has many unique advantages such as nonlinear regression theory
background-model4
- 提出了一种基于模型切换的背景建模方法(M SBM ).该方法以嫡图像为纽带, 实现了不同精细程度的背景模型在空间上的自适应选取和在时间上的自适应切换.对于亮度分布复杂度高的背景区域采用精细的模型以保证运动目标检测的精度,反之采用简单的模型以降低计算量 .通过模型结构自适应结合参数自适应, 很好地兼顾了检测精度和计算代价.墓于高斯混合模型和时间平均模型的双模型切换式运动目标检测算法被用于实验研究, 结果表明这种算法的检测效果和单独采用高斯混合模型的检测效果相当, 而计算速度却比后者提高很多-P
tuxiangpeizhun
- 基于控制点的图像配准。选用多项式几何校正模型获得配准参数，双线性内插进行灰度插值。-Image registration based on the control points. Selection polynomial geometric correction model to obtain registration parameters, bilinear interpolation gray interpolation.
Colorhist_Libsvm_dem
- 随着科学技术的飞速发展，机器学习与人工智能技术的不断创新，人们对特定信息检索的需求逐渐增加，使得如何对资源进行合理有效的分类成为一个关键问题。近几年来，基于内容的图像分类的研究焦点主要集中在自然图像的场景分类和物体分类两个方面，大多采用有监督学习方法，通过对底层特征建模和中间语义分析来实现分类。 本文基于Libsvm的图像分类研究及实现，主要针对的是物体分类这一方面，选用了五类水果作为分类研究的对象。对图像进行分类的大体步骤主要包括采集图像样本（主要从Web上获取）、图像预处理（如截成大小一致