提取有效的特征一直是笔迹鉴别的关键问题，针对传统Gabor滤波器特征提取方法存在的不足，充分利用Gabor滤波系数间的相关关系，提出一种融合全局特征和局部特征的特征提取方法。该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数，再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述，最终得到笔迹图像的整体特征。以楷书四大家的真迹样本和收集的英文手稿作为实验数据，采用最小加权欧式距离分类器对笔迹样本进行分类，通过五重交叉验证法分别得到97.6%和88.3%的正确分类率，表明该方法提取的特征具有较强的笔迹表征能力，是一种有效的笔迹特征提取方法。
2020-01-16 03:13:46
932KB
1
图像处理和计算机视觉是当前热闹的研究课题。本书以一种简洁明了的方式为计算机视觉和图像处理领域的初学者和准专业人士提供了一个图像处理和计算机视觉技术的基础指南。
2020-01-04 03:15:24
42.94MB
1
该压缩包在matlab2013a中运行并实现图像的特征提取，包含四大类经典特征提取方法：SIFT特征，颜色特征，形状特征，纹理特征。每个方法文件夹内附有文档说明。最后我给出了同步PPT解说，包含原理，步骤，及运行实例和结果。
2020-01-04 03:15:08
2.57MB
1
不怎么实用，希望各位批评指导，相互学习
clear all,close all,
TestDatabasePath = uigetdir('E:\我的大学', 'Select test database path');%自己设置地址
prompt = {'Enter test image name:'};
dlg_title = 'finger Recognition System';
num_lines= 1;
def = {'1'};
TestImage = inputdlg(prompt,dlg_title,num_lines,def);
TestImage = strcat(TestDatabasePath,'\',char(TestImage),'.bmp');
im = imread(TestImage);
tic
I=imresize(im,[200 200]);
figure(1),subplot(131),imshow(I),title('原图');
set(gcf,'position',[1 1 600 600]);
level=graythresh(I);
J=im2bw(I,level);
figure(1),subplot(132),imshow(J),title('二值图');
2020-01-03 11:41:33
4.47MB
1
本文档仅仅是一个提取HAAR特征的过程，没有加入adaboost训练器，有需要的可以下载仿真一下。仅供参考，不作科研使用
2020-01-03 11:36:38
2KB
1