matlab实现的基于颜色直方图的特征匹配，RGB转换成hsv，量化颜色，计算两幅图像特征向量之间的距离，实现颜色特征匹配。
同时，二值化之后，计算zernike矩和hu不变矩，可以作为第二个特征匹配量。
同时，二值化之后，计算zernike矩和hu不变矩，可以作为第二个特征匹配量。
2025/12/1 6:32:08
46KB
1
invariantmomentsofimagephi=invmoments(F)F为读取的图像矩阵，phi中保存了7个hu不变矩%Copyright2002-2004R.C.Gonzalez,R.E.Woods,&S.L.Eddins%DigitalImageProcessingUsingMATLAB,Prentice-Hall,2004%$Revision:1.5$$Date:2003/11/2114:39:19$
2025/4/30 10:52:22
3KB
1
可以运行的哈夫曼matlab解码程序-------------计算信源熵----------------Hu=-f.*log(f);%信元熵计算公式codeinfo.Hu=sum(Hu);fprintf('信源熵：%f\n',codeinfo.Hu);%-------------计算平均码长---------------codeinfo.avecodelen=sum(f.*codelen);fprintf('平均码长：%f\n',codeinfo.avecodelen);
2025/2/19 8:58:23
2KB
1
物体图像识别中的模式识别是一种从大量信息和数据出发，利用计算机和数学推理的方法对形状、模式、数字、曲线、字符格式和图形自动完成识别并且进行评价的过程。
图形匹配是图像识别技术的一个重要分支，图形匹配指通过对图形的图像采用特定算法。
本设计以MATLAB作为实现功能的操作平台,通过结合几何HU不变矩作为中间的连接数据,再运用图像预处理和欧式距离等数学方法,用Matlab进行编程，完成各个部分的效果,实现区域图像轮廓特征数据获取,计算欧氏距离，根据物体图像几何HU不变距的相似程度实现物体识别匹配的目的。
计算机模拟结果表明该方法的有效性和可行性。
图形匹配是图像识别技术的一个重要分支，图形匹配指通过对图形的图像采用特定算法。
本设计以MATLAB作为实现功能的操作平台,通过结合几何HU不变矩作为中间的连接数据,再运用图像预处理和欧式距离等数学方法,用Matlab进行编程，完成各个部分的效果,实现区域图像轮廓特征数据获取,计算欧氏距离，根据物体图像几何HU不变距的相似程度实现物体识别匹配的目的。
计算机模拟结果表明该方法的有效性和可行性。
2024/12/25 16:09:32
843KB
1
基于JAVA实现的图像特征提取源代码，能够输出图像的七个hu不变量特征，打开eclipse，导入工程，运行Test.java，可以把Test里面的注释弄掉运行更多的功能
2023/12/21 9:48:30
36KB
1
：提出一种ＳＡＲ图像目标识别新方法。
首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空间域和变换域去噪的优势，滤波性能优异。
在特征提取步骤，将低阶Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。
使用组合矩特征训练ＳＶＭ分类器，对含噪的ＳＡＲ图像进行识别实验。
实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目标识别方法
首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空间域和变换域去噪的优势，滤波性能优异。
在特征提取步骤，将低阶Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。
使用组合矩特征训练ＳＶＭ分类器，对含噪的ＳＡＲ图像进行识别实验。
实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目标识别方法
2023/12/21 8:25:57
607KB
1
图像特征提取代码，包括LBP、HOG、Haar、Zernike矩、Hu矩特征，.h文件有如何调用的详细说明，C/OpenCV程序
2023/7/29 1:51:45
18KB
1
高光谱解混数据集（JapserRidge），matlab的mat文件。
原始数占有512x614个像素。
每一个像素记其实规模从380nm到2500nm的224个通道中。
光谱分说率高达9.46nm。
由于这个高光谱图像太繁杂而没法患上到底子梦想，于是咱们思考100x100像素的子图像。
第一像素从原始图像中的第（105,269）像素末了。
在移除了通道1--3,108-112,154-166以及220-224后（由于密集的水蒸气以及大气效应），咱们留存了198个通道（这是HU阐发的罕有预处置）。
原始数占有512x614个像素。
每一个像素记其实规模从380nm到2500nm的224个通道中。
光谱分说率高达9.46nm。
由于这个高光谱图像太繁杂而没法患上到底子梦想，于是咱们思考100x100像素的子图像。
第一像素从原始图像中的第（105,269）像素末了。
在移除了通道1--3,108-112,154-166以及220-224后（由于密集的水蒸气以及大气效应），咱们留存了198个通道（这是HU阐发的罕有预处置）。
2023/5/6 19:12:01
2.88MB
1
使用Hu距作为特色SVM分类器举行料想的行为识别法度圭表标准，能够识别stand_up/hand_up/nothing三个种别，适宜初学者，可普通运行。
由于熬炼的样本较少，所以识别下场不是很准确，有待于扩展样本数目，驱散巨匠下载交流。
由于熬炼的样本较少，所以识别下场不是很准确，有待于扩展样本数目，驱散巨匠下载交流。
2023/4/28 15:01:43
4.31MB
1
使用Hu矩举行外形匹配https://blog.csdn.net/LuohenYJ/article/details/88603274
2023/4/7 5:09:01
28KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB