this code is a Mean shift example
標(biāo)簽： example shift this code
上傳時間： 2013-12-19
上傳用戶：kbnswdifs
this is mean shift one of image processing famous segmentation techniques, it is programmed in matlab
標(biāo)簽： segmentation processing programmed techniques
上傳時間： 2017-04-21
上傳用戶：362279997
mean shift 分割，matlab 代碼，不錯
上傳時間： 2017-04-26
上傳用戶：huyiming139
分割算法 1.mean shift 的迭代過程只做了一次（為了簡單） 2.對圖像中的某一點進(jìn)行平移時，只考慮了距離它小于2*hr的點，而不是圖像中所有的 點。 3.實驗過程中只用到了gauss核，雖然提供了method的選擇，但在進(jìn)行值域加權(quán)時只用 到gauss核，如果需要請自己改正。
上傳時間： 2017-05-09
上傳用戶：ryb
mean shift tracker mean shift tracker mean shift tracker mean shift tracker mean shift tracker
上傳時間： 2013-12-31
上傳用戶：wmwai1314
mean shift clustering
標(biāo)簽： clustering shift mean
上傳時間： 2017-07-30
上傳用戶：曹云鵬
mean shift clustering file
標(biāo)簽： clustering shift mean file
上傳時間： 2013-12-22
上傳用戶：x4587
Mean shift clustering. K means clustering.
標(biāo)簽： clustering shift means Mean
上傳時間： 2014-01-08
上傳用戶：釣鰲牧馬
近年來，隨著現(xiàn)代社會對軍用和民用設(shè)備需求的不斷擴(kuò)大及要求的不斷提高，運(yùn)動目標(biāo)的識別和跟蹤技術(shù)已經(jīng)迅速發(fā)展成為現(xiàn)代信息處理領(lǐng)域中一項非常重要的技術(shù)，并在許多領(lǐng)域內(nèi)發(fā)揮著不可替代的作用，但是在面向應(yīng)用的目標(biāo)跟蹤系統(tǒng)卻不盡如人意，不能很好的滿足應(yīng)用的要求。 本文簡述了傳統(tǒng)的基于桌面PC機(jī)的目標(biāo)跟蹤系統(tǒng)實現(xiàn)方法。目標(biāo)跟蹤具有兩個突出的特點，一是計算數(shù)據(jù)量大，一是對處理速度要求高。傳統(tǒng)上，運(yùn)動目標(biāo)跟蹤系統(tǒng)的實現(xiàn)是基于桌面PC機(jī)，但工業(yè)應(yīng)用的快速發(fā)展使傳統(tǒng)的目標(biāo)跟蹤系統(tǒng)越來越不能滿足應(yīng)用的需要。 本文提出了一種基于ARM嵌入式平臺的目標(biāo)跟蹤解決方案。研究了如何將嵌入式平臺和目標(biāo)跟蹤結(jié)合起來，并對系統(tǒng)的設(shè)計思想和設(shè)計方法進(jìn)行了詳述。首先進(jìn)行了功能分析和總體設(shè)計，分析了將嵌入式平臺作為目標(biāo)跟蹤解決方案的關(guān)鍵性問題，包括采用ARM嵌入式平臺的必要性，系統(tǒng)框架的設(shè)計，對于嵌入式處理器和操作系統(tǒng)的選擇：然后在總體設(shè)計的基礎(chǔ)上完成了系統(tǒng)的設(shè)計，包括軟硬件平臺的設(shè)計，完成了BootLoader的設(shè)計，Linux內(nèi)核的定制，USB攝像頭驅(qū)動程序的設(shè)計和OpenCV視覺庫的建立；最后分析了目標(biāo)跟蹤的過程，利用背景差法實現(xiàn)了運(yùn)動的檢測，提取了行人的特征，利用Mean-SHIFT算法實現(xiàn)了對運(yùn)動目標(biāo)的跟蹤。 本文提出的基于嵌入式平臺的目標(biāo)跟蹤系統(tǒng)的應(yīng)用潛力巨大，有待進(jìn)一步的研究和探索。在論文最后對研究進(jìn)行了總結(jié)和展望，提出了未來的研究方向。
標(biāo)簽： ARM 嵌入式平臺 目標(biāo)跟蹤系統(tǒng)
上傳時間： 2013-05-27
上傳用戶：qiao8960
A general technique for the recovery of signi cant image features is presented. The technique is based on the mean shift algorithm, a simple nonparametric pro- cedure for estimating density gradients. Drawbacks of the current methods (including robust clustering) are avoided. Feature space of any nature can be processed, and as an example, color image segmentation is dis- cussed. The segmentation is completely autonomous, only its class is chosen by the user. Thus, the same program can produce a high quality edge image, or pro- vide, by extracting all the signi cant colors, a prepro- cessor for content-based query systems. A 512 512 color image is analyzed in less than 10 seconds on a standard workstation. Gray level images are handled as color images having only the lightness coordinate
標(biāo)簽： technique presented features recovery
上傳時間： 2015-10-14
上傳用戶：410805624
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
