ORB特征是一種圖像識別、追蹤和匹配中常用的特征，大名鼎鼎的ORB-SLAM就是使用的這一特征。它提取FAST特征點，并通過特征點附近的窗口矩計算特征點的方向，含方向的FAST特征也被稱為oFAST
2020-09-26 11:43:23
4761 
機器學(xué)習(xí)技術(shù)已被廣泛接受，并且很適合此類分類問題。基于卷積神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法。提出的模型使用Radon拉冬變換進行第一次特征提取，然后將此特征輸入卷積層進行第二次特征提取。
2023-10-16 11:30:38381 
Intelligent Vehicles Applications1. 介紹2. HOOFR-SLAM2.1 系統(tǒng)框架2.2 HOOFR特征提取2.3 映射線程2.3.1 特征匹配1. 介紹提出一種HOOFR-...
2021-12-21 06:35:49
能夠提供灰度圖像準確表達的唯一顏色平面。 如何使用LabVIEW和VDM提取色彩和生成灰度圖像以及IMAQ：彩色圖像到灰度圖中包含可重復(fù)使用的代碼來演示此概念。?編輯添加圖片注釋，不超過 140 字
2022-05-26 20:39:30
MATLAB中對音頻信號進行小波分解和短時傅里葉分析后怎么對信號頻譜圖中能量密度特征用數(shù)學(xué)形態(tài)學(xué)的方法進行形態(tài)特征提取？
2020-10-12 18:21:04
基于matlab的人臉檢測K-L的人臉識別（膚色分割和特征提取）[hide] [/hide]《labview人臉識別》課程鏈接：http://url.elecfans.com/u/bc0e010da8
2012-02-22 16:45:03
音頻特征提取在音頻信號分析和處理中起著非常重要的作用。考慮到音頻信號的非平穩(wěn)性，對音頻信號進行小波包分解，為了獲取健壯的特征，采用改進的局域判別基（LDB）技術(shù)對小波包樹進行裁剪，提取局域差別基各子
2011-03-04 20:46:21
的兩維處理方法，并用于三種數(shù)字信號的特征分析。最后詳細介紹了基于聯(lián)合頻率分析的特征提取及識別過程，給出了仿真測試結(jié)果。
2021-04-21 06:17:47
計算機視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個高復(fù)雜度特征的提取可能能夠解決問題（進行目標(biāo)檢測等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價。而顏色特征無需進行大量計算。只需將數(shù)字圖像中的像素值進行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個較好的特征。
2019-10-12 06:55:23
`如何將脈沖耦合神經(jīng)網(wǎng)絡(luò)，體視學(xué)，F(xiàn)ourier變換，小數(shù)冪指數(shù)濾波器結(jié)合實現(xiàn)藥材顯微圖像的特征提取？`
2015-04-16 12:25:45
圖像處理，手指靜脈圖像的特征提取和識別前期研究
2012-05-11 11:51:27
"特點的基礎(chǔ)上,先將手背靜脈圖像"分塊",再對分塊后的圖像進行FRAT變換,并提出一種向量非均衡分布可得最大值的方法,提取手背靜脈圖像紋理特征,最后通過特征匹配進行分類識別
2010-04-24 09:58:17
、白兩個灰度的二值圖像，即0和1兩個值。這樣使脊的灰度值趨于一致，對圖像信息進行壓縮，節(jié)約了存儲空間，有利于指紋特征提取和匹配。4.細化。是指對指紋二值化后指紋的走向、粗細等特征進行圖像的細化，使指紋
2016-08-23 11:29:46
有大神嗎？可以分享一個LabVIEW指紋特征提取的資料嗎？感激不盡。
2017-04-19 07:31:13
分析等特征提取方法。 主元分析是基于數(shù)據(jù)樣本方差－協(xié)方差（相關(guān)系數(shù)）矩陣的數(shù)據(jù)特征分析方法，它從特征有效性的角度，通過線性變換，在數(shù)據(jù)空間中找一組向量盡可能的解釋數(shù)據(jù)的方差，將數(shù)據(jù)從原來的高維空間
2016-12-09 18:15:39
具有更好的細節(jié)分辨能力,但高分辨率圖像中目標(biāo)及其背景的特征也更加復(fù)雜,使得高分辨率條件下特征提取比中低分全文下載
2010-05-06 09:04:04
基于灰度共生矩陣技術(shù)，研究了可用于合成孔徑雷達圖像分類的灰度共生矩陣中差方差、差熵、對比度、能量、方差等紋理特征量，分析了其特征提取和分類特性。運用類內(nèi)類間
2009-02-28 16:42:52
33 在現(xiàn)有基于已知特征項特征提取算法的基礎(chǔ)上，提出一種基于已知特征項和環(huán)境相關(guān)量的特征提取算法。該算法通過已知特征項搜索頻繁項集，提高了特征提取速度。環(huán)境相關(guān)量的
2009-04-18 09:37:0117 提出一種基于分塊離散余弦變換(DCT)與奇異值分解閾值壓縮(TCSVD)的人臉特征提取與識別算法。該算法對人臉圖像進行分塊DCT變換，根據(jù)圖像塊位置和能量分布選擇不同的DCT高低頻分
2009-04-23 09:57:5424 提出了一種新的人臉特征提取方法，該方法采用DCT對人臉圖像進行降維和去噪，并通過KDA提取人臉特征。基于該特征，采用NN分類器，對ORL人臉庫進行分類識別，僅用28個特征平均
2009-05-25 22:04:1015 本文運用主成份分析法對鑄造零件表面缺陷數(shù)字圖像進行特征提取，提出了簡化零件表面質(zhì)量自動檢測計算量的新方法，具體地闡述了主成份分析法的原理、計算方法、數(shù)字圖像
2009-05-30 14:52:4914 視覺(圖像型)火災(zāi)探測需要提取較高質(zhì)量的目標(biāo)紋理特征用于火災(zāi)識別。本文利用混合高斯模型對煙霧目標(biāo)進行前景提取，并且屏蔽掉非運動的背景圖像，然后根據(jù)結(jié)果圖像的灰度分
2009-08-07 09:47:4416 SISAR功率譜特征提取方法:文主要研究了對SISAR全息信號功率譜歸一化處理獲得識別特征的方法。通過分析側(cè)影成像全息信號和目標(biāo)側(cè)影雷達截面積的關(guān)系，導(dǎo)出由計算雷達截面積的方
2009-10-23 10:26:2112 基于廣義典型相關(guān)分析的仿射不變特征提取方法:該文結(jié)合廣義典型相關(guān)分析(GCCA)理論，提出了一種新的圖像仿射不變特征提取方法。首先，基于多尺度自卷積變換(MSA)構(gòu)造了一組新
2009-10-29 12:52:5317 該文基于合成孔徑雷達(SAR)圖像低信噪比的特點，設(shè)計了一種基于融合邊緣檢測的線性特征提取算法。首先采用融合Canny算子及ROA算子得到邊緣點，然后利用Radon變換得出線基元，最
2009-11-17 15:20:5419 該文提出了一種基于小波域非負矩陣分解特征提取的合成孔徑雷達圖像目標(biāo)識別方法。該方法對圖像二維離散小波分解后提取低頻子帶圖像，用非負矩陣分解對低頻子帶圖像提取特
2009-11-21 11:58:4821 特征提取是模式識別中的關(guān)鍵技術(shù)之一，本文提出了一種基于改進ReliefF 算法的主成分特征提取方法，通過該方法進行主特征特征提取可以有效降維，大大減輕了后續(xù)的分類器的
2009-12-12 13:47:4527 該文將互信息梯度優(yōu)化引入特征提取矩陣求解，提出一種信息判別分析的特征提取方法。首先，分析了現(xiàn)有線性判別方法的特點和局限，建立了類條件分布參數(shù)模型下互信息最大化
2010-02-10 12:02:329
本文提出一種特征點與模板匹配相結(jié)合的圖像拼接方法,先對相鄰兩幅圖像利用Harris算子提取特征點,然后根據(jù)特征點的位置確定模板的大小和位置,大大減小了圖像拼接的計算量,
2010-02-21 14:38:1438 本文介紹了如何應(yīng)用提升小波包變換對信號進行特征提取,并在此基礎(chǔ)上提出了四條定量的評價標(biāo)準,能夠全面地對此類特征提取方法的有效性進行評價。通過這四個標(biāo)準,就能更科
2010-02-22 15:34:3317 遙感圖像為地理信息系統(tǒng)數(shù)據(jù)的更新和應(yīng)用提供了有利條件,遙感圖像的特征提取是其中的關(guān)鍵問題。針對灰色絕對關(guān)聯(lián)度計算模型的特點,提出一種基于灰色絕對關(guān)聯(lián)度和圖像子塊標(biāo)
2010-03-01 14:15:327 提出了基于貢獻矩陣的特征提取方法。首先采用基于結(jié)構(gòu)分析的統(tǒng)計方法構(gòu)造貢獻矩陣，利用貢獻矩陣對圖像預(yù)處理;通過二維主成分分析方法提取圖像特征。將此算法用于微鈣化點
2010-07-01 18:04:0424 紋理分析是圖像處理中一種十分重要的方法。通過紋理分析，利用灰度共生矩陣慣性矩特征值能夠反映圖像灰度空間復(fù)雜度的特性，成功獲取了LOG邊緣檢測算子最佳空間系數(shù)，抑制
2010-08-05 15:22:400
特征提取是聲目標(biāo)識別的關(guān)鍵。由于車輛噪聲信號的非平穩(wěn)特性，傳統(tǒng)特征提取方法有很大局限性。介紹小波分析方法在車輛噪聲信號特征提取中的應(yīng)用，仿真結(jié)果證
2010-12-31 17:16:280 摘要：針對常規(guī)特征提取方法存在著問題不足，提出了基于BP神經(jīng)網(wǎng)絡(luò)和基于互信息熵的特征提取方法，并通過特征提取實例加以說明。結(jié)果表明這兩種方法是可行和有效的。
2006-03-11 13:14:211276 
摘要：提出了一種基于小波和熵提取圖像字符特征的方法。該方法利用小波變換對圖像字符進行多尺度分解，用marr零交叉邊緣檢測算子提取邊緣；用基于判別熵最小化提取每
2006-03-24 13:30:02669 
小波變換在過零調(diào)制信號特征提取中的應(yīng)用
介紹小波變換理論和算法，說明去除信號噪聲原理；給出了以db2為小波函數(shù)和選用閾值方法去噪的
2009-10-12 23:47:451446 
灰度共生矩陣GLCM 紋理是圖像分析中常用的特征% 一般說來可以認為 紋理由許多相互接近的( 互相交織的元素組成% 并具有 一定的周期性 量化圖像的紋理內(nèi)容是描述圖像的一種 重要方法 基于統(tǒng)計的方法是紋理分析中最基本的一類 方法% 而基于灰度的共生矩陣法; #
2011-02-11 14:14:5970 特征提取是目標(biāo)識別的關(guān)鍵，如何從有限的測量數(shù)據(jù)中獲取有效、可靠的特征參數(shù)，是特征提取中重點考慮的問題。本文采用EMD方法對語音信號進行頻率特征提取，可以較好地降低語音
2011-10-10 15:11:4241 文中主要介紹了基于分形維數(shù)提取法、小波提取法、Gabor濾波器提取法、灰度共生矩陣提取法等紋理特征提取的原理和步驟等,并對各個方法的優(yōu)、缺點進行了歸納總結(jié)。
2012-02-22 11:11:2610 針對傳統(tǒng)漢字字符特征提取方法的不足，提出了一種基于Gabor變換，對圖像紋理特征的方向性敏感的字符特征提取方法。先將灰度字體圖像進行二值化、歸一化處理，再利用Gabor濾波器進
2012-08-29 17:10:020 研究了基于小波分析的車牌圖像定位、分割、大小歸一化方法，并分析了奇異值分解算法的數(shù)學(xué)原理和算法。利用奇異值分解作為代數(shù)特征提取方法，獲得圖像的有效特征描述。以Mat
2012-10-17 11:08:0128 針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢來進行特征提取。首先利用Gabor小波變換來提取人臉特征
2013-01-22 14:25:2654 利用Matlab軟件編寫了程序提取了的任意大小的字母和漢字的顯示特征，給出了對應(yīng)的圖像矩陣，并將讀取的二值矩陣轉(zhuǎn)換為單片機能識別的16進制數(shù)字代碼，通過單片機構(gòu)建電路實現(xiàn)字母
2013-07-26 11:57:5327 脈沖多普勒雷達特征提取技術(shù)分析，下來看看，
2016-12-24 23:19:109 基于小波包_包絡(luò)樣本熵的故障特征提取方法及其應(yīng)用_李其龍
2016-12-30 14:37:070 基于加權(quán)多尺度張量子空間的人臉圖像特征提取方法_王仕民
2017-01-08 10:57:061 基于多尺度融合的甲狀腺結(jié)節(jié)圖像特征提取_王昊
2017-01-08 11:13:290 基于CMF_EEMD的風(fēng)電齒輪箱多故障特征提取_王志堅
2017-01-08 13:26:490 基于分塊顏色矩和灰度共生矩陣的圖像檢索_岳磊
2017-03-17 09:57:141 基于灰度特征的虹膜圖像質(zhì)量評價方法_羅曉慶
2017-03-16 11:05:280 基于粒計算的空間特征提取及其檢索的研究_宋俊雅
2017-03-16 08:00:000 基于線性預(yù)測原理的艙音特征提取與重構(gòu)_程道來
2017-03-15 08:00:000 紅外火焰探測信號的特征提取研究_周永杰
2017-03-19 11:41:392 時頻分析的工頻通信信號特征提取
2017-08-31 10:00:2811 自計算機視覺產(chǎn)生開始，視覺信息則自動成為其處理的對象。紋理特征作為視覺信息的重要部分，成為圖像特征提取的重點。針對紋理特征提取中，傳統(tǒng)LBP算法作為一種基于灰度的算法，僅僅局限對低分辨率圖片
2017-11-10 14:35:2211 計算機視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個高復(fù)雜度特征的提取可能能夠解決問題（進行目標(biāo)檢測等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價。而顏色特征無需進行大量計算。只需將數(shù)字圖像中的像素值進行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個較好的特征。
2017-11-16 14:12:124191 的可識別特征。針對激光網(wǎng)格標(biāo)記圖像的特點，在隨機抽樣一致性RANSAC算法的基礎(chǔ)上，提出了像素權(quán)重化和假設(shè)模型預(yù)檢驗的方法，用于激光網(wǎng)格標(biāo)記的直線特征提取。實驗結(jié)果表明，該方法不僅克服了RANSAC算法計算量大和參數(shù)敏感的缺點
2017-11-17 17:26:003 人臉檢測是一個非常復(fù)雜的模式，人臉面部特征提取及識別成為當(dāng)前計算機圖像處理相關(guān)學(xué)科的一個極具挑戰(zhàn)的課題。而基于Carvelet變換的人臉特征提取及識別的意義在于Curvelet繼承了小波分析優(yōu)良
2017-11-30 15:09:363492 
的SIFT特征提取算法。首先提取出SIFT特征點，然后根據(jù)特征點周邊梯度情況，判斷特征點是否落于目標(biāo)區(qū)域，進而保留目標(biāo)區(qū)域特征點，刪除背景區(qū)域特征點，減少特征點數(shù)量的同時也實現(xiàn)了去冗余。提取所得的特征點質(zhì)量好壞由落入目標(biāo)區(qū)域的點數(shù)和
2017-12-01 15:08:380 的細節(jié)分量有高度的局部相關(guān)性 ，這為特征提取提供了有力的條件。利用小波變換進行紋理特征提取 ，在紋理分析、圖像壓縮、工業(yè)品表面缺陷檢測中得到大量的應(yīng)用。
2017-12-01 14:47:5211813 
針對復(fù)雜環(huán)境下的深度圖像手勢特征提取信息冗余量大、編碼不穩(wěn)定等問題，提出了一種改進的基于曲率局部二值模式（ LBP）的深度圖像手勢特征提取算法。該算法首先通過坐標(biāo)轉(zhuǎn)換將分割出的手勢深度數(shù)據(jù)轉(zhuǎn)換
2017-12-11 16:21:064 針對說話人識別系統(tǒng)中存在的有效語音特征提取以及噪聲影V向的問題，提出了一種新的語音特征提取方法基于S變換的美爾倒譜系數(shù)（ SMFCC）。該方法是在傳統(tǒng)美爾倒譜系數(shù)（MFCC）的基礎(chǔ)上利用S變換的二維
2017-12-18 11:29:041 種顏色，并且對圖像進行共生矩陣分析，最后采用90維特征向量來描述圖像特征。實驗結(jié)果表明，三像素彩色共生矩陣的檢索性能優(yōu)越于灰度共生矩陣和MPEG-7顏色布局描述子。它能夠描述圖像的顏色結(jié)構(gòu)分布信息，能夠整合顏色和紋理特征。
2017-12-19 16:34:001 針對現(xiàn)有行為特征提取方法識別率低的問題，提出了一種融合稠密光流軌跡和稀疏編碼框架的無監(jiān)督行為特征提取方法（ DOF-SC）。首先，在稠密光流（DOF）軌跡提取的基礎(chǔ)上，對以軌跡為中心的原始圖像塊進行
2017-12-26 18:48:520 捕獲問題，并對其特征參數(shù)提取算法進行了研究。針對跳頻信號的特征提取，研究了一種基于小波脊線的特征提取算法，通過matlab仿真實驗對方法的性能進行了驗證，實驗表明基于小波脊線的特征提取算法有很大的性能優(yōu)勢，進一步提
2018-01-04 14:04:490 ，是其可用性最重要的標(biāo)志之一．提出了一種基于Henon映射的遙感圖像可搜索加密方案，根據(jù)遙感圖像的成像原理及多波段特征，采用改進的Henon映射對每個波段的灰度值進行加密處理，同時，根據(jù)遙感圖像的大數(shù)據(jù)特征，通過統(tǒng)計灰度值的
2018-01-12 14:12:551 針對人體動作識別中時空特征提取問題，提出一種基于層次時間記憶（ HTM）架構(gòu)的深度學(xué)習(xí)模型，用來提取圖像幀的時空特征。將圖像幀構(gòu)建成樹型節(jié)點層次結(jié)構(gòu)，在每一層中，通過歐氏距離分組來提取圖像樣本的空間
2018-01-17 17:27:250 針對液壓泵故障特征提取問題，提出了一種基于奇異值分解和小波包變換的液壓泵振動信號特征提取方法。通過奇異值分解將噪聲非均勻分布的液壓泵振動信號正交分解為噪聲分布相對均勻的分量，對各分量進行小波包閾值
2018-03-05 14:07:530 針對傳統(tǒng)俯視行人檢測方法提取的頭部特征單一、檢測錯誤率高的問題，提出了結(jié)合改進聚合通道特征（ACF）和灰度共生矩陣（GLCM）的俯視行人檢測算法。首先，將提取到的HSV顏色特征、梯度幅值大小以及改進
2018-12-24 16:59:186 針對電影評分中特征提取效率較低的問題，提出了與QR分解相結(jié)合的Nystrom方法。首先，利用自適應(yīng)方法進行采樣，然后對內(nèi)部矩陣進行QR分解，將分解后的矩陣與內(nèi)部矩陣進行重新組合并進行特征分解
2019-01-04 09:36:191 本文檔的主要內(nèi)容詳細介紹的是圖像邊緣檢測和特征提取實驗報告的詳細資料說明目的包括了：1.了解圖像邊緣檢測的原理。自己實現(xiàn)邊緣檢測算法，對特定的幾幅圖像進行邊緣檢測，并達到較好的效果。2.了解特征提取的原理，并對圖像中存在的一些特征進行特征提取。
2019-04-19 08:00:002 為了從灰度圖像序列中精確提取出運動目標(biāo)， 提出了一種從灰度圖像序列中提取運動目標(biāo)的算法———平滑模板對準相乘法。該方法能很好跟蹤和識別圖像序列中的運動目標(biāo)， 并準確地將其提取出來。試驗證明， 該算法提取出的運動目標(biāo)失真度小， 誤檢率低， 性能比常用的差值法明顯優(yōu)越。
2019-12-06 13:55:009 本文檔的主要內(nèi)容詳細介紹的是基于Labview的語音模式識別MFCC原理特征提取。
2020-01-09 08:00:0038 本文主要闡述了語音識別算法及語音識別特征提取方法。
2020-04-01 09:24:4929661 
機器學(xué)習(xí)中特征選擇和特征提取區(qū)別 demi 在 周四, 06/11/2020 - 16:08 提交 1. 特征提取 V.S 特征選擇 特征提取和特征選擇
2020-09-14 16:23:203732 
模型。構(gòu)建含有顏色矩、灰度共生矩陣、信息熵、信息增益、線占比等多重特征的遙感圖像復(fù)雜度評價矩陣，通過計算圖像相似性得到不同復(fù)雜度的圖像子集，采用層次聚類方式將圖像復(fù)雜度分為高、中、低等級，并分別使用 Densen
2021-03-16 10:51:105 近年來未知的計算機漏洞欻量呈海量増長狀態(tài)，對于大量的漏洞數(shù)據(jù)進行及時準確的分析和分類管理，是十分重要且有待解決的問題。因此，提出一種基于信息熵與綜合函數(shù)（S-C）特征提取，并利用關(guān)聯(lián)了特征
2021-04-13 13:51:153 絡(luò)的特征提取部分加入了視覺注意機制，增強網(wǎng)絡(luò)提取船舶特征信息的能力;并采用多級特征提取和去量化操作的學(xué)習(xí)方法來解決船舶體積小的問題;采用難樣本重學(xué)習(xí)的學(xué)習(xí)策略來弱化云霧遮擋和陸地背景的干擾。通過述方法，船舶識
2021-04-21 11:26:4418 圖像特征 傳統(tǒng)的圖像特征提取（特征工程）主要是基于各種先驗?zāi)Ｐ停ㄟ^提取圖像關(guān)鍵點、生成描述子特征數(shù)據(jù)、進行數(shù)據(jù)匹配或者機器學(xué)習(xí)方法對特征數(shù)據(jù)二分類/多分類實現(xiàn)圖像的對象檢測與識別。卷積神經(jīng)網(wǎng)絡(luò)通過
2021-04-30 09:11:572363 
圖像特征 傳統(tǒng)的圖像特征提取（特征工程）主要是基于各種先驗?zāi)Ｐ停ㄟ^提取圖像關(guān)鍵點、生成描述子特征數(shù)據(jù)、進行數(shù)據(jù)匹配或者機器學(xué)習(xí)方法對特征數(shù)據(jù)二分類/多分類實現(xiàn)圖像的對象檢測與識別。卷積神經(jīng)網(wǎng)絡(luò)通過
2021-05-20 10:49:084374 
，將非負矩陣分解引入到多標(biāo)記學(xué)習(xí)過程中，在對原始多標(biāo)記數(shù)據(jù)集進行特征提取的同時，減少冗余特征、不相關(guān)特征及髙維特征對多標(biāo)記分類的影響。在4個公開的標(biāo)準數(shù)據(jù)集上進行對比實驗，結(jié)果表明該算法能對數(shù)據(jù)進行有效降維，在準確
2021-05-24 15:31:144 。首先，采用小波變換的方法處理往復(fù)壓縮機的振動信號，生成時頻圖像;其次，利用灰度共生矩陣（GLCM）和方向梯度直方圖（HOG）的方法提取時頻圖像特征，融合構(gòu)建GHCM-HOG特征;最后，將融合特征輸入支持向量機（SVM）進行分類，以判別往復(fù)壓縮
2021-06-01 14:06:187 基于嵌入式特征提取的多標(biāo)記分類算法說明。
2021-06-04 10:18:407 速度。為解決上述問題，文中提出一種基于擴展Har特征提取和 DBSCAN密度聚類的鋼軌識別算法。首先通過仿射變換、池化、灰度均衡仳、邊緣檢測等算法對圖像進行預(yù)處理，然后基于擴展Haar特征提取圖像中鋼軌的特征點，最后利用 DBSCAN算法對特
2021-06-16 15:03:495 。使用特征提取算法從訓(xùn)練集圖像中分解岀一系列基圖像，闡述了基圖像分解和提取的算法流程，通過將測試集圖像投影到k個基圖像枃成的空間中得到投影系數(shù)，建立由投影系數(shù)和基圖像重構(gòu)原圖像的方法和過程。實驗結(jié)果表眀，通過控
2021-06-16 16:01:254 基于中軸變換的改進骨架特征提取方法
2021-06-27 15:38:1925 基于并行附加特征提取網(wǎng)絡(luò)的SSD地面小目標(biāo)檢測模型 來源：《電子學(xué)報》 ，作者李寶奇等 摘 要: 針對SSD原始附加特征提取網(wǎng)絡(luò)(Original Additional Feature
2022-02-17 16:41:251154 特征提取是計算機視覺中的一個重要主題。不論是SLAM、SFM、三維重建等重要應(yīng)用的底層都是建立在特征點跨圖像可靠地提取和匹配之上。特征提取是計算機視覺領(lǐng)域經(jīng)久不衰的研究熱點，總的來說，快速、準確、魯棒的特征點提取是實現(xiàn)上層任務(wù)基本要求。
2022-07-11 10:28:142287 灰度共生矩陣(Gray Level CO-Occurrence Matrix-GLCM)是圖像特征分析與提取的重要方法之一，在紋理分析、特征分類、圖像質(zhì)量評價燈方面都有很重要的應(yīng)用，其基本原理圖示如下：
2022-08-14 11:53:2311680 高光譜遙感技術(shù)具有能同時反映遙感對象空間特征和光譜特征等獨特優(yōu)勢,但這些優(yōu)勢也帶來了波段眾多 且相關(guān)性強、數(shù)據(jù)冗余度高、不利于進一步處理與利用等問題。 通過降維可以減少數(shù)據(jù)中的冗余信息,提高處理效率, 而特征提取作為降維的一種重要方法,具有降維速度快等優(yōu)點。 因此,特征提取對高光譜圖像的利用有重要意義。
2022-09-26 13:53:003778 
0引言 視覺顯著性估計中通常以彩色圖像為輸入，因此，本文以３個相鄰波段的高光譜影像為輸入，進行顯著性特征提取，然后沿光譜維度利用滑窗法獲取各個波段的顯著性特征，最后將各個波段的顯著性特征進行堆疊形成
2023-01-12 09:45:55929 
? ? 先前在為大家介紹OCR識別技術(shù)時，在圖像預(yù)處理部分提到了灰度化，大家可能會產(chǎn)生疑惑： 為什么做圖片識別要將彩色圖像灰度化呢？ ? 正式解釋這個問題之前，我們需要了解， 什么是灰度
2023-05-28 11:36:251379 
特征提取：通過模擬矩陣處理圖像數(shù)據(jù)，提取關(guān)鍵特征，為后續(xù)的圖像識別提供依據(jù)。 圖像分類和識別：利用深度學(xué)習(xí)模型對模擬矩陣中的特征進行分類和識別，對圖像進行分類、標(biāo)注和識別。 圖像檢索：根據(jù)模擬矩陣中的數(shù)據(jù)和模型預(yù)
2023-09-04 14:17:20297 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評論