搜索资源列表
KMeanIntroduction
- 聚类分析是将集合中的数据按其相似性大小分成不同类别的一种方法,它是模式 识别中多变量无监督学习的一个分支,己成功地用于医学,地质,财务,工程,图像 处理和文档等的数据分类中；含有实现此算法的源码 -cluster analysis is to pool the data according to similar size into a different category, It is pattern recognition multivariable Unsupervised Le
dfdgg
- 图象处理源代码集 图像分割是图像处理、模式识别、计算机视觉等领域中极为重要的内容之一，是实现自动图像分析时首先需要完成的操作。它是根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类，把图像平面划分为一系列有意义的区域，使其后的图像分析及识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。由于分割中出现的误差会传播至高层次处理阶段，因此分割的精确程度是至关重要的。-image processing source code is a set image s
Matrixestimation
- 基础矩阵估计的聚类分析算法，用于对图像进行聚类分析的算法。-Matrix estimation based on cluster analysis algorithms, used for image analysis algorithm for clustering.
clusterImg
- image cluster is formed by using the seed points so called it is a image segmentation-image cluster is formed by using the seed points so called it is a image segmentation
Texture-Segmen-ta-t-ion-withWavelet
- 为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率, 提出了一种基于小波变换的利 用特征加权来进行纹理分割的方法. 该方法包括特征提取、预分割和后分割 3 个阶段, 其中, 特征提取在金字塔结 构小波变换的基础上进行 预分割利用均值聚类算法来对原始图象进行初步的分割 后分割则根据预分割的结果 对特征进行加权, 然后利用最小距离分类器来实现图象的最后分割. 与传统的方法相比, 该方法在分割错误率、边 缘准确性以及区域一致性等方面均有明显的改善-To imp rove t
Simulated-Annealing
- 由于K-means 聚类方法对遥感图像进行分类时，对训练样本的选取依赖性很大，容易陷入局部最优的陷阱的情况，本文提出利用模拟退化算法对K-means 的聚类进行优化以获得 全局最优解的分类新方案。并以多波段影像为例进行验证分析，结果表明该方法可行，收敛 结果优于K-means 聚类算法，分类精度相对传统的K-means 算法更高。-Because K-means clustering classification depend on the training sample selecti
AO-2013
- Real-time highlight removal using intensity ratio In this paper, we propose an efficient method to separate the diffuse and specular reflection components from a single image. The method is built on the observation that, for diffuse pixels, th