文件名称：matlab非参数代码-Object-Boundary-Tracing-using-NMCD-non-parametric-Multiple-
文件大小：4.76MB
文件格式：ZIP
更新时间：2024-06-28 07:08:02
系统开源
matlab非参数代码对象边界跟踪使用 NMCD 非参数多变点方法 介绍 传统图像边界追踪方法对初始轮廓的选择很敏感。 而如果我们利用像素数据的分布来应用统计模型，我们可以在不使用初始轮廓的情况下检测对象的边界。 非参数多变化点检测 (NMCD) 是一种新颖且有效的方法，可以在没有任何参数假设的情况下从数字列表中找到多个变化点。 我应用这个算法来检测给定图像内对象的边界。 结果看起来不错，特别是对于具有高噪声的图像，传统的跟踪方法效果不佳。 我尝试了每个方向有 1 或 2 个变化点的对象。 我还尝试通过首先将图像分割成几个小部分来减少变化点的数量，然后在子图像中检测 1 或 2 个变化点。 文件夹图像列出了我尝试的所有 7 个图像（对象边界检测之前和之后） 文件夹 Image Pixel Data 列出了从 Matlab 读取的 7 个图像的所有像素数据 文件夹 References 列出了三篇论文——NMCD 方法、轮廓追踪问题简介和边界估计理论 代码文件夹有两个子文件夹： Functions 子文件夹列出了用于最重要可能变化点的预筛选程序的 R 代码 实现子文件夹列出了用于搜索 1
【文件预览】：
Object-Boundary-Tracing-using-NMCD-non-parametric-Multiple-Change-Point-Method-master
----Methodology Introduction (Theoretical and Implementation).pdf(770KB)
----References()
--------Boundary Estimation.pdf(1.88MB)
--------Nonparametric Maximum Likelihood Approach to Multiple Change-Point Problems.pdf(463KB)
--------Deformable Active Contours (or Snakes).pdf(347KB)
----Iamges()
--------After Detection()
--------Before Detection()
----README.md(2KB)
----Code()
--------Add-points()
--------Functions()
--------Implementations()
----Image Pixel Data()
--------Image 2.csv(111KB)
--------Image 4.csv(191KB)
--------Image 7.csv(87KB)
--------Image 6.csv(95KB)
--------Image 1.csv(1.23MB)
--------Image 5.csv(60KB)
--------Image 3.csv(135KB)
----.gitignore(500B)