注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于Matlab的区域生长法分割图像

  2. 区域生长算法 区域生长是一种很重要的图像分割方法。它是指从某个像素出发，比较相邻接像素的特征向量(包括灰度、边缘、纹理等特征)，在预先指定的准则下，若它们足够相似则作为同一区域合并，以此方式使相似特征的区域不断增长，最后形成分割图像。 区域生长算法具体描述如下： (1) 选取待分割区域内(本研究为眼肌区域内)一点作为种子点(x0,y0)。 (2) 以(x0,y0)为中心，考虑(x0,y0)的4 邻域像素(x,y)，如果(x,y)满足生长准则，则将(x,y)与(x0,y0)合并，同时将(x,y)

  3. 所属分类：其它

    • 发布日期：2010-05-19
    • 文件大小：3072
    • 提供者：faststar1987

  1. 基于区域生长的图像分割

  2. 这是一个关于基于区域生长图像分割算法的程序，该程序很好的实现了分割的相关技术，是一个很好狠简单的程序。

  3. 所属分类：其它

    • 发布日期：2010-05-30
    • 文件大小：2048
    • 提供者：wangxianbin1

  1. 图像的区域生长，Canny算子，并行区域分割，串行边界分割，图像分割等算法

  2. 图像的区域生长，Canny算子，并行区域分割，串行边界分割，图像分割等

  3. 所属分类：其它

    • 发布日期：2010-06-28
    • 文件大小：3145728
    • 提供者：cjd218219

  1. 一种改进的类人足球机器人的目标识别算法

  2. 针对类人足球机器人视觉需求,提出一种结合区域生长和基于形状判别的阈值自适应更新的彩色目标识别算法。该算法在HSI空间基于S分量把图像分为高饱和与低饱和区域,在高饱和区域基于H分量采用区域生长算法识别目标;通过目标形状判别自适应更新阈值,并用新阈值更新区域生长中原来的阈值,以稳定准确地识别彩色目标。在类人足球机器人系统中的成功应用表明,该算法能在不同光照条件下稳定地识别出彩色目标,对光照环境有良好的适应性和鲁棒性,具有良好的识别效果。

  3. 所属分类：IT管理

    • 发布日期：2011-11-10
    • 文件大小：586752
    • 提供者：xiaqinye

  1. 改进的种子区域生长算法

  2. 站里这方面资源不多，特别是种子区域生长方面的很少，上传一个算一个吧

  3. 所属分类：专业指导

    • 发布日期：2012-05-23
    • 文件大小：515072
    • 提供者：chenchenzaikd

  1. 区域生长算法

  2. 区域生长（region growing）是指将成组的像素或区域发展成更大区域的过程。

  3. 所属分类：其它

    • 发布日期：2012-09-26
    • 文件大小：26624
    • 提供者：fushanren1103

  1. 区域生长图像分割程序

  2. Matlab写的区域生长图像分割程序。 %区域生长算法:region function LabelImage=region(image,seed,Threshold,maxv) %image:输入图像 %seed：种子点坐标堆栈 %threshold：用邻域近似生长规则的阈值 %maxv：所有生长的像素的范围小于maxv % LabelImage:输出的标记图像，其中每个像素所述区域标记为rn

  3. 所属分类：管理软件

    • 发布日期：2013-01-08
    • 文件大小：4096
    • 提供者：a888000111

  1. 区域生长算法

  2. 对图像的处理，实现区域的分割，通过本算法可以将灰度图像的各个色块区分开来

  3. 所属分类：.Net

    • 发布日期：2014-05-17
    • 文件大小：945
    • 提供者：baidu_15528761

  1. 基于阈值分析与区域生长相结合的根系CT序列图像分割算法

  2. 基于阈值分析与区域生长相结合的根系CT序列图像分割算法 不错的文章 思路很好

  3. 所属分类：其它

    • 发布日期：2014-12-25
    • 文件大小：319488
    • 提供者：qxd12345678

  1. 区域增长算法

  2. 程序采用区域生长算法四邻域实现图像分割，可以很好的进行图像分割及勾勒边缘

  3. 所属分类：C++

    • 发布日期：2015-01-13
    • 文件大小：8388608
    • 提供者：ningyaliuhebei

  1. 区域生长代码

  2. 区域生长算法，适合学习。需要vs以及opencv2的开发环境，运行成功后点击图像选择种子点即可

  3. 所属分类：C++

    • 发布日期：2016-01-06
    • 文件大小：2048
    • 提供者：u013764422

  1. 区域生长 图像分割函数

  2. 区域生长算法很好的实现了图像分割，以及边缘提取

  3. 所属分类：C++

    • 发布日期：2016-07-05
    • 文件大小：18432
    • 提供者：congmaizi

  1. 区域生长算法对于遥感影像的应用

  2. 1、该代码应用于高分辨率遥感影像的分割和简单分类 2、详细使用说明请参加文件夹pdf文档

  3. 所属分类：C/C++

    • 发布日期：2016-11-01
    • 文件大小：680960
    • 提供者：zhangwellyear

  1. 基于区域的图像分割python源代码

  2. 使用python对基于区域生长的图像分割算法进行解决，有什么问题欢迎一同交流。

  3. 所属分类：Python

    • 发布日期：2017-04-16
    • 文件大小：3072
    • 提供者：asd1214030102

  1. 区域填充算法源码

  2. 手动实现区域生长填充联通区域，能寻找目标区域的左右及上下端点和中心点，以及目标区域的面积，适合刚接触图像处理的菜鸟

  3. 所属分类：C++

    • 发布日期：2017-09-30
    • 文件大小：1024
    • 提供者：maomao__run

  1. opencv 区域分割

  2. 利用opencv实现的的 regiongrow 区域生长算法。。。。。。

  3. 所属分类：机器学习

    • 发布日期：2018-01-10
    • 文件大小：1048576
    • 提供者：qq_20599689

  1. 区域生长算法

  2. 区域增长算法c++和opencv的完整代码，包括测试函数，只是一个cpp文件，自己创建工程后，改写图像目录即可运行。

  3. 所属分类：图像处理

    • 发布日期：2018-06-03
    • 文件大小：1024
    • 提供者：jane_6091

  1. 结合蚁群和自动区域生长的彩色图像分割算法

  2. 为克服传统区域生长算法对初始种子像素选择以及生长顺序鲁棒性较差等缺点，提出了一种基于蚁群算法优化区域生长的彩色图像分割方法。首先，根据给定阈值，利用蚁群算法自动选取种子像素，然后，根据相邻距离di和相似度值d（Hi，Hj）的值选取生长及终止准则，最后利用数学形态学方法对分割结果进行优化。通过与JSEG和SRG算法比较发现，所提出的改进算法在分割准确性上具有明显优势。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：454656
    • 提供者：weixin_38624332

  1. 一种新的基于区域生长的彩色图像分割算法

  2. 为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法。首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法的运算时间以及分割准确性具有明显优势。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_38744902

  1. 进化算法优化区域生长的太赫兹全息再现图像分割

  2. 针对太赫兹全息再现像易出现边界模糊的问题,提出了一种基于进化算法优化区域生长的分割方法。首先对原始图像进行双边滤波,同时进行形态学腐蚀操作,得到区域生长的种子。其次利用遗传算法和差分进化算法进行阈值寻优,以限制区域生长。得到太赫兹全息图像的分割结果后,以平均结构相似度(MSSIM)为客观评价来衡量算法的有效性,分割结果显示进化算法优化的区域生长算法效果较好,MSSIM可达0.8以上。最后,为比较两种进化算法的寻优性能,将算法应用于可见光图像,根据图像的分割结果,得到差分进化算法在速度和寻优能力上

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：10485760
    • 提供者：weixin_38648037
« 1 23 4 5 6 7 8 »