常用的颗粒图像分割及边缘检测的源代码

normal equalizer by a beginner

LIBSVM中的SVDD（Support vector data descriiption）算法，直接可用，可通过修改参数gamma和参数C来控制最后剩下的支撑矢量的数量。(The SVDD (Support vector data descriiption) algorithm in LIBSVM, directly available, and parameters by modifying the parameters of gamma C to control the last remaining number of support vectors. )

 运动目标检测技术是计算机视觉领域的重要研究内容,它对运动目标的分类、跟踪及行为理解等后续处理产生重要影响,在机器人导航、智能监视系统、医学图像分析以及视频图像压缩和传输等领域中都有广泛的应用。然而,针对不同的应用场景,目前运动目标检测方法由于算法复杂、耗时以及缺乏鲁棒性,在实际的处理和应用中受到了很大的限制。本文对背景建模以及运动目标的检测的相关问题进行了深入的研究,其中着重研究了高斯混合模型和阴影检测与消除的问题。本文的主要研究工作如下: (1)在对运动目标的检测的基本方法的原理一一介绍的基础上,详细分析了基于高斯混合模型进行运动目标检测的方法,其中包括从像素模型的定义,像素模型参数的更新,到背景像素模型的建立的三个方面来分析如何通过高斯混合模型进行背景建模,以及背景模型的更新过程中应该注意到的问题。 (2)给出了本文在计算当前观测值与背景像素距离时所采用的线性距离计算准则和最大距离计算准则以及如何通过训练模型计算得到阈值,此阈值用来判定当前观测值是背景还是前景。 (3)运动目标所产生的阴影是运动目标检测中的一大难题,本文在分析阴影产生的原因以及阴影的特征的基础上对国内外主流的阴影检测算法做了系统研究,详细讨论了基于色彩空间变换的阴影检测的三种方法以及它们的优缺点,提出了一种将高斯混合模型和HSV色彩空间相结合的消除阴影的方法。 (4)对基于高斯混合模型的运动目标检测的算法做了一个总结,在MATLAB实验平台上对拍摄到的室内近距离的大物体进行了基于高斯混合模型的运动目标检测的实验。在实验中分别采用高斯分布的个数M=3和M=5以及两种距离准则分别进行测试,一共得到了四组不同的实验结果,对其进行从分割效果到分割时间的分析比较,并将理论分析中得到的结论融入对实际结果的分析当中。而在阴影消除的实验中,是对室外的单个运动物体在进行运动目标检测的基础上对检测出来的带有阴影的分割结果进行阴影的检测与消除,从而实现了对运动目标无阴影的有效分割。

用于脑部分割的一个简单的MATLAB程序(For brain segmentation with a simple MATLAB program)

说明：  请大家看一看, 我编的这个用遗传算法求 f(x)=xsin(10pi*x)+2.0 x为-1到2区间的值(Please look, I spent part of the genetic algorithm for f (x) = xsin (10pi* x) 2.0 x 2-1 range of values)

说明：  对带噪图象进行处理，削去不必要的东西，抗干扰，(right image processing, cut unnecessary things, interference,)

matlab程序设计入门举例.具有简单实用的优点。比较适合初学者进行有效的自学.(Introduction to Matlab programming example has a simple and practical advantages. Suitable for beginners to effective self-study.)

武汉大学 遥感信息工程学院 2014-2015 第一学期 模式识别 第一次作业 贝叶斯分类 学霸代码(Remote Sensing Information Engineering, Wuhan University 2014-2015 first semester pattern recognition first job Bayesian taxonomy Pa code)

电力系统中的有源电力滤波器仿真，其中的谐波检测方法是PQ法，谐波滤除的效果非常好。(Power system simulation of active power filter, where the harmonic detection method is PQ method, harmonic filtering effect is very good.)

PLS_Toolbox