matlab指纹图像分割代码简单指纹匹配 人类指纹在细节上具有渊源，称为细节，可以用作指纹验证的识别标记。 该项目旨在研究基于指纹细节点匹配的指纹识别系统，该指纹识别系统在许多指纹算法和技术中经常使用。 该项目的方法包括如何从指纹图像中提取细节点。 图像增强，图像分割，细节提取和与这些阶段匹配的细节是我们项目的主题。 这个项目通常在Matlab平台上编码。 而且图形用户界面还设计了Matlab

基于水平集的图像分割经典代码，可以在此基础上改进，是一个很好的做研究的平台

提出一种基于遗传算法的二维熵多阈值自适应图像分割方法. 在分析研究二维熵阈值分割原理的基础上, 将可变码长的遗传算法应用于多阈值分割处理过程, 采用基于多阈值的整数编码方式, 将图像分割的类别数即染色 体的码长融合到适应度函数中, 从而实现了在对阈值寻优的同时得以优化分割类别数, 最终实现图像的多阈值自适 应分割处理. 实验分析结果表明, 该方法具有实现阈值寻优速度快, 最优解对应图像分割效果好的特点.

cityscapes 数据集下载

水平集的GAC模型对图像进行分割， 分割效果很好， 轮廓很清晰

工具箱的特点： (1) 工具箱包括经典的水平集方法，例如测地线活动轮廓（GAC）、Chan-Vese 模型和结合边界和区域项的混合模型。 (2) 所有方法均采用半隐式求解器 AOS 实现，即使在非常大的时间步长下也能保证数值方法的稳定性，从而提高基于水平集的分割效率。 (3)所有方法都可以应用于2D和3D数据。

matlab，实现图像分割

matlab中的GM模型代码CTseg：脑部CT分割，标准化，颅骨剥离和总脑/颅内体积计算 概述 这是用于对计算机断层扫描（CT）脑部扫描进行分割和空间归一化的算法。 该模型是流行的统一分割例程（SPM12软件的一部分）的扩展，具有：改进的配准，高斯混合模型参数的先验知识，从MRI和CT（更多类）中学习的地图集。 这些改进导致了更强大的分割程序，该程序可以更好地处理具有大量噪声和/或较大形态变异性的图像（请参见上图）。 该算法可以产生以下的原始|经调制的空间分段： 灰质（GM） 白质（WM） 脑脊液（CSF） 骷髅头（骨） 软组织（ST） 背景（BG） 该实现是在MATLAB中完成的，并且取决于SPM12软件包（及其MB工具箱）。 如果您发现该代码很有用，请考虑引用“参考”部分中的出版物。 更多详细信息 CTseg的输入应作为NIfTI文件（ .nii ）提供。 所得组织分割的格式与SPM12分割例程的输出格式相同（ c* ， wc* ， mwc* ）。 归一化的分割（ wc* ， mwc* ）在MNI空间中。 默认情况下，将生成输入图像的不ss_骨的版本（将ss_前缀为原始文件名）。

MR图像分割算法 MR图像分割算法 MR图像分割算法 MR图像分割算法

程序代码说明 P0801：索书号文字图像分割 P0802：粘连字符切分 P0803：文字识别 P0804：彩色车牌分割 P0805：商标文字分割 Recognition：文字识别的识别子函数 StrDetect01：文字识别的结构特征提取子函数