登录
首页 » 图像处理 » 基于遗传神经网络的图像分割

基于遗传神经网络的图像分割

于 2022-08-03 发布 文件大小:228.80 kB
0 156
下载积分: 2 下载次数: 3

代码说明:

遗传神经网络在特征分类方面,有着非常广泛的应用。通过先期的学习,能够通过分类得到特定的对象和特征。将其用在图像分割上面,主要对特定类型的一类图像进行分割。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 本算法是多年图像处理的工作总结   很实用  直方图均衡化  噪声的消除  是图像更清晰,图像取样后,样本的灰度值是一个模拟量,在用计算机对其显示和处理之 前,必须进行量化处理,而量化的过程实质上是多对一的不可逆的对应过程。 这样不可避免的引入了量化误差,解决这个问题的方法之一就是对图像按灰度 分布密度进行非均匀采样。
    2023-07-21 23:00:02下载
    积分:1
  • k均值聚类算法程序
    K均值聚类法分为如下几个步骤: 一、初始化聚类中心 1、根据具体问题,凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类,计算每类的样本均值,将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本,将其归入与其最近的聚类中心的那一类中,重新计算样本均值,更新聚类中心。然后取下一样本,重复操作,直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理,不合理则修改分类。循环进行判断、修改直至达到算法终止条件。
    2023-07-13 12:00:03下载
    积分:1
  • 雷达定位仿真程序
    是MATLAB写的一个雷达定位的仿真程序,带gui界面的,非常的好,界面友好,很适合大家拿来学习,特别是想要学习MATLAB中gui编程的人们。
    2022-01-22 07:40:58下载
    积分:1
  • bmp灰度直方均衡化
    应用背景图片经过直方图均衡化后,像素将占有尽可能多的灰度级并且分布近似均匀,均衡化后的图片将具有较高的对比度和较大的动态范围。关键技术程序完全使用C语言编写,对直方图均衡化过程描述直接,使初学者对均衡化过程有一个直接的认识。均衡化前后图片的灰度直方图均以文件的形式保存,可以通过origin等绘图软件绘图。
    2022-01-21 18:15:59下载
    积分:1
  • VC++人脸定位实例
    其中,mdivwctl.cpp,mdivwctl.h 是MS_OCR的模块程序,一些功能函数尽我们的理解作了中文注释。用法主要在CCMD_OCRView.cpp中,OCR的用法很简单;为了使示范程序象样一点,添加图形的显示(它与OCR无关)。图形显示使用了CXImage包,这里你也顺便了解一个CXImage包的用法吧。这个程序中OCR的识别类型我们设置成简体中文,这样对英文的识别不好;当然你可能修改成识别英文(或其它国的文字,源程序里都有,你自己找吧)。
    2022-01-25 18:25:24下载
    积分:1
  • VB人脸识别技术
    很不错的一个人脸识别技术,大家看看上面的图像就知道大概功能了 很不错的一个人脸识别技术,大家看看上面的图像就知道大概功能了 很不错的一个人脸识别技术,大家看看上面的图像就知道大概功能了 很不错的一个人脸识别技术,大家看看上面的图像就知道大概功能了
    2022-02-26 14:40:12下载
    积分:1
  • 基于块运动估计算法
    基于块的运动估计算法的介绍,清楚的流程图,全搜索算法、三步搜索、钻石搜索等
    2022-08-21 15:15:19下载
    积分:1
  • vb6开发实例
    这是一本很详细的用vb处理图像的书,里面有很多的实例给我们讲解了如何运用vb来处理图形图像。共8章,介绍vb6图像处理的基础知识,位图文件及操作,彩色位图图像处理,多媒体界面技术,图像的输入装置及灰度图像的处理,图像二值化,图像测量及工程应用系统等。
    2023-05-16 17:45:04下载
    积分:1
  • 高斯平滑
    高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布   的噪声非常有效。一维零均值高斯函数为: g(x)=exp( -x^2/(2 sigma^2)) (u=0)其中,高斯分布参数Sigma决定了高斯函数的宽度。 对于图像处理来说,常用二维零均值离散高斯函数作平滑滤波器。
    2022-03-22 18:50:42下载
    积分:1
  • 基本
     对于人脸识别,目前所采取的大多为对图像进行分析、解剖,把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型,从而通过模型,让人脸识别变得十分简单。然而人脸之复杂,随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器,它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量,不同的角度、不同的光线、不同的打扮,都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以,但会十分复杂,而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别,其自身本质也是通过系数加权等最终得到的结果,所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具,因此我们应该从人大脑的识别机制入手,模拟大脑的识别
    2023-08-29 05:30:05下载
    积分:1
  • 696518资源总数
  • 106161会员总数
  • 5今日下载