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
-
-
0下载：
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
-
-
0下载：
在特征提取阶段，研究了PCA, 2DPCA, (2D) 2PCA, DiagPCA, DiagPCA-F-2DPCA等多
种方法。不同于基于图象向量的PCA特征提取，由于2DPCA, (2D) ZPCA, DiagPCA和
DiagPCA-I-2DPCA的特征提取都直接基于图象矩阵，计算量小，所以特征的提取速度明
显高于PCA方法。-In the feature extraction stage, the study of the PCA, 2DPCA, (2D) 2PCA,
-
-
0下载：
在提取特征，进行特征投影之后，通常要用Mahalanobis来比较二者是不是图像，这里以PCA为例。-In feature extraction, the feature projection, the usual Mahalanobis use to compare the two is not the image, here for example PCA.
-
-
0下载：
对UCI数据集做PCA图像特征提实验，PCA是一种很重要的方法-PCA on the UCI data sets to do the image feature extraction experiment, PCA is a very important method
-
-
0下载：
结合PCA和Wavelet进行图像压缩和特征提取等方面的研究-fuse wavelet and PCA for image compression,denoise and feature extraction
-
-
0下载：
1 SIFT 发展历程
SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。
2 SIFT 主要思想
SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。
3 SIFT算法的主要特点：
a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。
b) 独特性(Distinctive
-
-
0下载：
采用经典的PCA对人脸图像进行特征提取，用SVM分类器进行分类。-Classic PCA face image feature extraction, classification with the SVM classifier.
-
-
0下载：
图像的特征提取，典型案例是基于PCA技术的人脸数据集得降维处理-Image feature extraction, a typical case is based on PCA face data set to reduce the dimension of
-
-
1下载：
实现2维核PCA的图像特征提取及识别功能-2-dimensional KPCA image feature extraction and recognition
-
-
0下载：
研究内容包括四个方面：分别是人脸检测，图像的预处理，特征提取和人脸识别。能在不同光照，不同表情，不同姿态的情况下获得准确的识别。-The study includes four aspects: face detection, image preprocessing, feature extraction and face recognition. The accurate identification can be obtained in the case of different light
-
-
0下载：
特征提取代码，提取pca_sift特征，用于图像特征提取，图像配准或匹配，可供做这方面研究的同学参考。-feature extraction image matching
-
-
0下载：
对测试图像进行基于PCA的特征提取,然后在特征空间进行标示-PCA-based feature extraction, and then the test image in the feature space marked
-
-
1下载：
主分量分析对SAR图像目标进行特征提取，用最近临方法进行分类-Principal component analysis（PCA） of SAR image target feature extraction, classification using nearest-neighbor method
-
-
0下载：
2DPCA+PCA图像特性提取,用于图像的仿生模式识别中。-2 dpca and pca image feature extraction，Used in the image of the bionic pattern recognition.
-
-
0下载：
编程实现基于PCA的图像特征提取，对图像进行矩阵处理，采集变换后的特征点-Programming based on image feature points PCA feature extraction processing on the image matrix, collecting the converted
-
-
0下载：
主成分分析(Principle Component Analysis, PCA)是最为常用的特征提取方法，被广泛应用到各领域，如图像处理、综合评价、语音识别、故障诊断等。-Principal component analysis (Principle Component Analysis, PCA) is the most commonly used feature extraction methods are widely applied to various fields, such as
-
-
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
-
