您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 前景与背景最大熵算法图像分割

  2. 前景与背景分割 最大熵算法 图像假设:前景背景亮度不同 直方图如同时包含前景和背景,则其熵将变小 如只包含前景或背景,熵将变大 把直方图分解成两部分,分别计算熵,两部分熵的和最大时为最佳分割阈值
  3. 所属分类:其它

    • 发布日期:2009-05-16
    • 文件大小:939008
    • 提供者:chenkeyin
  1. 利用色度和亮度进行图像分割

  2. 该算法利用色度和亮度信息来进行图像的前景分割。它的优势在于能够在一定程度上抑制阴影和高亮度点。
  3. 所属分类:其它

    • 发布日期:2010-01-15
    • 文件大小:12288
    • 提供者:shansmile
  1. 基于背景消减的运动对象的提取

  2. 采用背景消减法从场景中提取目标,本文从前景检测、背景更新、后继处理三方面比较分析
  3. 所属分类:其它

    • 发布日期:2011-12-20
    • 文件大小:351232
    • 提供者:labacher
  1. 混合高斯模型的背景检测

  2. 利用混合高斯模型对目标场景进行背景建模,分割出前景与背景。 代码输入:一组图片或一段视频 代码输出:前景与背景分割开的灰度图 环境:linux+opencv+eigen 语言:C++
  3. 所属分类:C/C++

    • 发布日期:2012-06-21
    • 文件大小:14680064
    • 提供者:lsy2530362
  1. 基于背景建模的动态场景目标检测

  2. 背景建模一直是运动目标检测中的一个重要课题。该文提出一个适用于动态背景的基于非参数估计的前景背景对比模型。模型通 过核函数估计的方法模拟了像素点五维特征向量( 彩色灰度值,图像坐标) 的概率分布,并在图像序列中滚动更新。对于每一个新入帧通过 马尔可夫随机场最大后验概率判决框架将前景背景全局分割问题转化为最大流最小切求解。实验证明,上述算法能够在一般目标检测,特 别是动态场景(摇动树枝等)的检测中取得较好的效果
  3. 所属分类:其它

    • 发布日期:2012-07-12
    • 文件大小:1048576
    • 提供者:ggm19890303
  1. 图像分割算法研究综述_何俊.pdf

  2. 所谓图像分割是指根据灰度、彩色、空间纹理、几何形 状等特征把图像划分成若干个互不相交的区域, 使得这些 特征在同一区域内,表现出一致性或相似性, 而在不同区域 间表现出明显的不同 [1] 。简单地讲,就是在一幅图像中,把 目标从背景中分离出来, 以便于进一步处理。图像处理技 术在航空航天、生物医学工程、工业检测、机器人视觉、公安 司法、军事制导、文化艺术、地理测绘等领域受到广泛重视, 并取得了重大的开拓性成就, 使图像处理成为一门引人注 目、前景远大的新型学科。
  3. 所属分类:专业指导

  1. 基于背景差分的多车道车流量检测系统

  2. 研究了背景差分算法,并设计了一种对多车道路段的车流量检测系统。首先通过背景差分的方法,实现了运动前景和背景的分割; 进一步使用虚拟检测线实现了多车道车流量的检测。
  3. 所属分类:C++

    • 发布日期:2013-08-27
    • 文件大小:510976
    • 提供者:wade1452799883
  1. Otsu阈值分割

  2. otsu图像分割,对于背景和前景灰度差别的大的很适用。运行速度快。
  3. 所属分类:其它

    • 发布日期:2013-10-17
    • 文件大小:93
    • 提供者:u010607946
  1. 利用基于直方图的自适应阈值方法实现分割前景与背景

  2. 利用基于直方图的自适应阈值方法实现分割前景与背景,使用固定阈值和自适应阈值
  3. 所属分类:其它

    • 发布日期:2013-11-17
    • 文件大小:47104
    • 提供者:tuo1521
  1. GrabCut彩色图像分割算法的研究

  2. GrabCut彩色图像分割算法的研究-针对图像分割-前景与背景
  3. 所属分类:C++

    • 发布日期:2014-03-06
    • 文件大小:256000
    • 提供者:shujuan_yin
  1. 平均背景法

  2. 平均背景法是一种学习背景场景和分割前景目标的简单方法。这种方法只能用于背景场景中不包含运动部分。而且,这种方法还要求光线保持不变,比如室内静止场景。
  3. 所属分类:C++

    • 发布日期:2016-03-13
    • 文件大小:2048
    • 提供者:nchfgfb
  1. 图像分割,前景提取

  2. OpenCV中的GrabCut算法是依据《"GrabCut" - Interactive Foreground Extraction using Iterated Graph Cuts》这篇文章来实现的。该算法利用了图像中的纹理(颜色)信息和边界(反差)信息,只要少量的用户交互操作即可得到比较好的分割结果。那下面我们来了解这个论文的一些细节。另外opencv实现的GrabCut的源码解读见下一个博文。接触时间有限,若有错误,还望各位前辈指正,谢谢。
  3. 所属分类:C++

    • 发布日期:2017-08-17
    • 文件大小:692224
    • 提供者:zhedaliufei
  1. 高斯处理视频并跟踪运动做前景背景分割

  2. 基于opencv2 高斯处理视频并跟踪运动做前景背景分割 ,主要采用cvUpdateBGStatModel()函数
  3. 所属分类:机器学习

    • 发布日期:2018-01-11
    • 文件大小:8192
    • 提供者:u012101561
  1. 高斯处理视频并跟踪运动进行前景背景分割

  2. 视频处理中,利用混合高斯模型进行目标跟踪,可以很好地将前景背景分割。
  3. 所属分类:图像处理

    • 发布日期:2018-01-12
    • 文件大小:8192
    • 提供者:qq_37235347
  1. 不规则光照下自适应阈值的前景背景分离算法源代码

  2. 不规则光照下自适应阈值的前景背景分离算法源代码,测试过,可实现
  3. 所属分类:其它

    • 发布日期:2009-04-09
    • 文件大小:147456
    • 提供者:you_you10
  1. OSTU多阈值分割MATLAB程序

  2. Ostu方法又名最大类间差方法,通过统计整个图像的直方图特性来实现全局阈值T的自动选取,其算法步骤为: 1) 先计算图像的直方图,即将图像所有的像素点按照0~255共256个bin,统计落在每个bin的像素点数量 2) 归一化直方图,也即将每个bin中像素点数量除以总的像素点 3) i表示分类的阈值,也即一个灰度级,从0开始迭代 4) 通过归一化的直方图,统计0~i 灰度级的像素(假设像素值在此范围的像素叫做前景像素) 所占整幅图像的比例w0,并统计前景像素的平均灰度u0;统计i~255灰度级
  3. 所属分类:其它

    • 发布日期:2018-01-26
    • 文件大小:3072
    • 提供者:qq876301182
  1. 鲁棒稀疏子空间聚类RLRR代码

  2. 低秩表示是一类重要的子空间聚类方法,该资源属于鲁棒稀疏子空间聚类,对包含outliers的数据样本具有鲁棒性,子空间聚类可用于前景背景分割,特征提取,异常点检测,目标识别等多个领域
  3. 所属分类:机器学习

    • 发布日期:2019-03-19
    • 文件大小:8192
    • 提供者:bjt2091655702
  1. 基于超像素特征表示的图像前景背景分割算法

  2. 图像前景背景分割是图像处理中的关键技术,文中提出了基于超像素分类的二值分割算法。对于输入图像,首先采用超像素分割算法,将图像分割成多个保留边缘的封闭区域,即超像素;对每一块超像素,考虑颜色和纹理,构造一种对光照和颜色较为鲁棒的特征,来消除同种物体在光照和颜色差异下的影响;用所得特征训练分类器,判断每块超像素属于前景或背景;最后将超像素分类结果作为初值用图分割的方法进行修正,得到最终的二值分割结果。实验结果显示算法能较好的完成前景背景分割的任务。此外,本算法易于和现有的分类算法相结合,具有较强的可
  3. 所属分类:其它

    • 发布日期:2020-04-30
    • 文件大小:1048576
    • 提供者:weixin_38687968
  1. 融合分割先验的多图像目标语义分割_廖旋.pdf

  2. 论文仅供参考学习使用。 通过融合浅层网络高分辨率的细节特征来改进 PSPNet-50 网络模型,减小随着网络的加深导致空间信息的丢失对分割边缘细节的影响。然后通过交互分割算法获取一至两幅图像的分割先验,将少量分割先验融合到新的模型中,通过网络的再学习来解决前景/背景的分割歧义以及多图像的分割一致性。最后通过构建全连接条件随机场模型,将深度卷积神经网络的识别能力和全连接条件随机场优化的定位精度耦合在一起,更好地处理边界定位问题。
  3. 所属分类:深度学习

    • 发布日期:2020-09-01
    • 文件大小:7340032
    • 提供者:olivia_ye
  1. 鲁棒轨迹聚类的运动分割

  2. 由于场景中的遮挡和对象的非刚性变形,从常见跟踪器获得的运动轨迹可能包含许多丢失或关联错误的条目。 将这样的基于破坏点的轨迹聚类为多个运动仍然是一个难题。 在本文中,我们提出了一种利用跟踪点的时空特征来促进对不完整和损坏的轨迹进行分割的方法,从而针对严重的数据丢失和噪声获得了高度鲁棒的结果。 我们的方法首先使用离散余弦变换(DCT)作为轨迹投影的时间平滑约束,以确保所得分量修复病理轨迹的有效性。 然后,基于观察到的场景中前景和背景的轨迹可能具有不同的空间分布,我们提出了一种两阶段聚类策略,该策略首
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:1005568
    • 提供者:weixin_38645379
« 12 3 4 5 6 »