搜索资源列表
texture3
- 本程序在对图像进行纹理分析（基于共发矩阵的方法）的基础上，获取图像不同区域的纹理特征，针对这些纹理特征，采用聚类（K-mean)的分类算法对图像进行区域划分！-procedures in the right image texture analysis (based on total fat matrix method), on the basis of access to different regions of the image texture features, these featur
textureA2
- 本程序在对图像进行纹理分析（由于共发矩阵的方法效果很不好，本程序采用基于频率域的纹理分析算法）的基础上，获取图像不同区域的纹理特征，针对这些纹理特征，采用聚类（K-mean)的分类算法对图像进行区域划分！-procedures in the right image texture analysis (due to a total of hair matrix, the effect is very bad, the program uses a frequency domain based on
TextureAnlysis
- 根据图像四个方向的共发矩阵，求取四个灰度共发矩阵的熵，求熵的均值生成特征矩阵，通过聚类分析实现图像的纹理分割。
TextureAnlysis
- TextureAnlysis.m实现遥感图像的纹理分析，以 方向邻域内的灰度均值 和 灰度共生矩阵的熵 作为纹理特征，使用k-means聚类。
kmeans1
- k-均值聚类算法实现灰度图像分割，输入图像矩阵和聚类中心个数，返回为最终的聚类中心和图像中每个像素所属类的编号（对应于图像矩阵）
NJW
- NJW算法，普聚类算法，利用3种拉普拉斯矩阵，作用在自制的数据集上-failed to translate
73462655TextureAnlysisfcm
- 用FCM聚类算法对纹理图像的分割，纹理使用的灰度纹理矩阵 计算四个方向的灰度共生矩阵-FCM clustering algorithm used for texture image segmentation, texture matrix used in calculating the four gray-scale texture of the gray-level co-occurrence matrix direction
51622445texturepinyuA2
- K均值聚类算法 由于对纹理图像使用灰度共生矩阵分割效果不明显 因此该算法使用图像频域进行处理-K-means clustering algorithm because of the texture image segmentation using the gray co-occurrence matrix effect was not obvious, therefore use the algorithm for processing images in frequency domain
graymatrix
- 灰度共生矩阵相关资料，包括生成灰度共生矩阵matlab代码，Matlab7工具箱中缺少的graycomatrix.m文件，以及一个通过灰度共生矩阵提取特征的matlab程序（共20多个特征），可以根据他的方法来从灰度共生矩阵中提取你需要的特征。-GLCM relevant information, including generating GLCM matlab code, Matlab7 toolbox graycomatrix.m missing documents, and a gray
meanshiftsegmentation
- 均值漂移图像分割测试程序,使用meanshift算法对彩色图像进行聚类分割，效果很好，并且显示使用时间、找到的类数，另包含RGB与LUV颜色空间的互相转换，图片矩阵数据转为降维数组等，程序中有详尽的注释和说明，并且配有测试结果图片，非常适合计算机视觉、机器学习、模式识别的朋友参考-failed to translate
Texture_moasic
- 基于灰度共生矩阵和K均值聚类的纹理图像分割，MATLAB实现-texture image segmentation
k_means-clustering-algorithm-program
- 可以很好的将一个图像矩阵进行聚类，生成一个聚类后的图像。-A based on the matlab image k-means clustering algorithm program
FCM
- 自己实现的，模糊C均值聚类的代码，在K-mean上添加了隶属度矩阵。注释详细，方便理解算法步骤-my implementation, Fuzzy C-Means clustering code in the K-mean adding a membership matrix. Notes detailed, easy to understand algorithm steps
Cloud-detection-
- 首先使用灰度共生矩阵提取图像纹理特征，之后使用灰度共生矩阵的熵值与相关性系数作为纹理参数，用k-means聚类算法实现遥感图像的云检测-First of all, the gray co-occurrence matrix is used to extract the image texture features, then the entropy and correlation coefficients of the GLCM are used as texture parameters, a
Spectral_ClusteringNJW
- 谱聚类能够识别任意形状的样本空间且收敛于全局最优解，其基本思想是利用样本数据相似矩阵的进行特征分解后得到的特征向量进行聚类，程序进行了几种不同聚类算法的比较，包括Q矩阵聚类，kmeans聚类，第一特征分量聚类，第二广义特征分量聚类，公用数据生成和近邻矩阵生成(Spectral clustering can distinguish arbitrary sample space and converge to the global optimal solution, the basic idea i
Boole
- Boole矩阵生成 模糊统计 模糊数学 聚类分析(Boole fuzzy Fuzzy Mathematics)