搜索资源列表
CardRecognization
- 车牌识别系统 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。
reply_1_1007847
- 车牌定位使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一
detect_vc++_
- 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不
车牌定位
- 车牌定位 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图
车牌定位
- 车牌定位使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本
carcarddetect
- 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不
chepaishibie
- 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不
20091212
- 一种车牌号码图像二值化的新方法。利用数学形态学的开运算消除图像光照不均匀影响，根据欧几里得距离确定图像阈值。-Of a license plate number of the new image binarization method. Using mathematical morphology opening operation to eliminate uneven lighting image effects, according to Euclidean distance to dete
cardrecognition
- 车牌定位使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一
IndefiniteSVM
- 基于不定核的SVM人脸识别算法，该算法改正的传统的核对现实当中存在的不确定的问题-Face recognition based on uncertain nuclear SVM algorithm to correct the traditional check reality the problem of the existence of uncertainty. .
feature-points-matching
- 对灰度差绝对平均值算法匹配次数多，不具有旋转不变性等缺点，提出一种新的目标识别方法。匹配准则采用具 有环形结构的子窗口内的像素差加毂和的形式表示，保证了算法具有旋转不变性。对模板图像中的特征点按照匹配准则分 别在目标图像中找到相应的匹配点，从而完成匹配操作，与传统的相关匹配算法相比，大大减少了匹配次数。对于因遮挡而 丢失的特征点，可根据已匹配特征点之问的相对距离来重新确定，从而实现目标识别的功能。仿真实验验证了该算法的有 效性。-A new target recognition
pca
- 自动人脸识别系统具有如图所示的一半框架并完成相应功能的任务。 （1）人脸图像的获取：一般来说，图像的获取都是通过摄像头摄取，氮摄取的图像可以是真人，也可以是人脸的图片或者为了相对简单，可以不考虑通过摄像头来摄取头像，而是直接给定要识别的图像。 （2）人脸的检测：人脸检测的任务是判断静态图像中是否存在人脸。若存在人脸，给出其在图像中的坐标位置，人脸区域大小等信息。而人脸跟踪需要进一步输出所检测到的人脸位置，大小等状态随时间的连续变化情况。 （3）特征提取通过人脸特征点的检测与标定可以确
RMS
- 在开始做电子文档管理的时候，一窍不通，上网找了一圈明白个大概。该电子文档管理是基于微软的RMS技术实现对office文件，包括word，excel，ppt等文件的授权管理，有两种开发方法。其一是利用微软提供的sdk开发包，其二是利用office的动态链接库，本文采用的是后一种方法。资源分设置成10分，我觉得是必需的，毕竟自己有了很长的时间来完成代码的，我使用的事VS2010利用MFC实现对office文件的授权管理，网上这方面的实例很少，有几个是利用C#实现的，但是在使用MFC实现的过程中会出现
hu-bubianju
- 基于不变矩的图像识别。本程序的作用是通过训练样本，对三维图像的一帧或几帧进行特征匹配以确定图形的类别（模式识别）。-Image recognition based on moment invariants. The role of this procedure by training samples, one or several frames of the three-dimensional image feature matching to determine the category of
pcnn
- 利用pcnn，每当有一批像素对应的神经元点火，对像素值进行一次修正。第n次点火的所有神经元用矩阵B（n）表示， 已经点火的像素位置标记为‘1’，未点火的标记为‘0’。通过一个3*3的模板滑过B（n），判断若模板内的值全为‘1’或全为‘0’， 则这些像素值不进行处理，否则若模板中心的值为‘1’，则增加该位置的像素值的大小，中心值为‘0’，则减小像素值。该功能由xiugai(B,K)函数实现 Beta取负值来抑制周围的神经元点火，因为输入pcnn（X）的是模糊图像，抑制之后使处理的
AP
- AP聚类算法是基于数据点间的 信息传递 的一种聚类算法。与k-均值算法或k中心点算法不同，AP算法不需要在运行算法之前确定聚类的个数。AP算法寻找的 examplars 即聚类中心点是数据集合中实际存在的点，作为每类的代表-AP clustering algorithm is based on the information transfer between data points of a clustering algorithm. K- and k-means algorithm
1213
- 汽车牌照作为车辆的唯一标识，在交通运行中，实现对车辆的跟踪以及确认都离不开车辆牌照的确定，且在交通流的统计中，车型的判别在交通流的统计中也占有举足轻重的作用。特别是在高速公路收费口处车型的判别为收费提供了依据。因此，本文主要设计了一个对车型和车牌图像进行处理的详细过程。本文主要是对车型进行准确的判别以及对车牌图像进行预处理、车牌定位、字符分割等处理。-License Plate Recognition