-
遥感图像算法
本文主要介绍了常用的遥感图像算法，然后从数学角度分析融合图像产生光谱失真的原因，并探讨融合图像在空间分辨率增强与光谱信息保持二者之间的关系，最后针对多光谱图像的成像特性
- 2022-05-09 03:24:21下载
- 积分：1
-
频率域图像增强
流程：原始图像——傅里叶变换——频率域滤波处理——傅里叶变换——增强后的图像。在具体进行频率域的各种处理滤波的前后,进行了傅立叶变换以及傅立叶反变换.这两个变换的过程就是将空间的信息分解为在频率上的表示,或者将频率上的表示转化为空间上的表示,两种变换是互为逆变换的.正是通过傅立叶正反变换的处理,才使得频率域上的处理可以用于图像的增强
- 2022-05-25 05:01:06下载
- 积分：1
-
轮廓匹配
这是工业上用的分拣系统，工件匹配的程序，基于opencv2.0写的，针对形状纹理不是特别复杂的工件，还不是特别完善，适合基础学习者。
- 2022-06-13 06:37:24下载
- 积分：1
-
VTK-raycasting三维可视化
资源描述使用vtk来实现三维可视化，需要先配置vtk.这个cpp使用的是raycasting算法。
- 2022-03-19 18:22:54下载
- 积分：1
-
运动物体的检测与跟踪
此源码对运动物体进行了跟踪和检测，运用C++语言，算法简单方便，程序十分容易调试出来。希望能对大家有帮助。
- 2022-02-10 01:09:30下载
- 积分：1
-
它是一个样本人脸检测项目。
应用背景这是使用Haar特征训练弱分类器，然后使用约14弱分类器连接节点作为一个强分类器，该方法选择弱分类器是AdaBoost算法。 ；关键技术
- 2022-07-27 14:09:53下载
- 积分：1
-
基于边缘特征的图像配准算法
基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展
- 2022-03-22 04:51:07下载
- 积分：1
-
一维高斯滤波处理图像
一维高斯滤波就是使用一维高斯公式生成一个一维的矩阵，然后使用该矩阵对图像中的每一个像素进行处理。处理方法是计算当前像素与其周边像素和矩阵中对应的权值的乘积的和。先对图像横向处理，完毕以后再对纵向处理（顺序相反也可以）。
- 2022-01-26 05:25:06下载
- 积分：1
-
视频提取MV---ffmpeg
应用背景视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg关键技术
=================================================================================
运动估计 H264 视频协议 ============================================================================================
- 2022-06-27 17:46:04下载
- 积分：1
-
图像去噪方法
采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。
- 2022-02-07 06:18:12下载
- 积分：1
