复杂环境下用于人体目标红外图像分割的改进PCNN方法

结合目标形状先验的改进交互式GraphCuts医学图像分割方法，李居朋，陈通，为了有效解决传统交互式GraphCuts图像分割方法存在的局限性问题，本文提出了一种结合目标形状先验的改进交互式Graph

MSTAR图像目标区域分割研究由于SAR图像中具有极其严重的乘性斑点噪声,不可能用纯粹的传统的基于强度的分割方法来获取目标。分析了马尔可夫随机场在各向同性的连续模型,提出了一种新的分割方法,采用

传统模糊C均值聚类算法需要输入初始聚类中心,但是输入错误的初始聚类中心会产生较差的图像分割结果。对此提出一种改进的医学图像分割算法——基于免疫模糊聚类的医学图像分割。该算法能够快速有效地找出合适的初

红外背景抑制与小目标分割检测。分属于红外图像目标检测。用于工程实践

关键词: 人机交互; RGB模式空间; HS V模式空间; 手势分割

模糊c均值聚类算法用于图像分割，已调试成功。

此程序可与用于对图像的分割，目前是一个比较好的算法，此算法用到了meangshift算法！

脉冲耦合神经网络（PCNN）拥有良好的仿生学依据，在图像分割领域获得了很大的成功.但传统PCNN网络需要设置大量参数，且需要对最佳迭代结果进行选择.以往提出的经典解决方法大多需要预设一个较高的迭代次数

这段代码只是核心实现。对于实际应用,我们强烈建议包含有效的预处理和后处理步骤以提高性能。另外,还建议仔细考虑为本文中讨论的代码设置好的参数。 请注意,此代码不包含细分步骤。如果要获取小目标的位置,则需

红外图像空间噪声分析和预处理方法改进,做红外图像的应该有所帮助!2007年的,还算比较新!