一种好的图像分割算法

html5手指滑动刻度尺选择值特效

TCL魔法手指安装 打开“我的电脑”，找到安装文件存放的目录，双击运行Setup.exe。 根据屏幕上的提示进行操作，按“下一步”继续。若需修改上一步输入的信息，请按“上一步”（以下步骤均如此）。 在“许可证协议”页面，选择“我接受该许可证协议中的条款”。 在“目的地文件夹”页面，按“更改”按钮可更改TCL魔法手指的安装路径，按“下一步”继续。 单击“安装”按钮开始安装，安装程序将开始拷贝文件，并创建相关组件。 当安装程序完成安装过程后，请按“完成”按钮结束安装过程。 最后把_FullScr32.exe放在安装TCL魔法手指的文件里在 弄个快捷方式在桌面上就可以运行`````` 内附 说明书;wintone.chm

该项目的目标是建立一个模型，能够计数手指，以及区分左手和右手。 fingers_datasets.txt fingers_datasets.zip

Android 随手指旋转图片 效果很好，下来自己研究吧，0分啊。

主要为大家详细介绍了android获取手指触摸位置，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

最大曲率 Max Curvurature算法在手指静脉特征提取中的实现 公告 这只是格林威治大学的 Bram Tom 实现的 Matlab 代码的重新实现。 原始代码可见： : 例子 原图 使用 CLAHE 增强 最大曲率

针对AlexNet在手指静脉识别系统中训练耗时过长,识别准确率较低的问题,提出AlexNet的改进网络结构。针对AlexNet模型输入图像尺寸限制性强,自适应能力差的问题引入空间金字塔池化模式的网络结构。为了加快网络训练速度和降低网络模型的复杂度,对AlexNet的卷积核尺寸、网络深度和全连接层等进行调整。实验结果表明,改进后的网络模型在公开和自有指静脉数据集上的识别准确率及训练时长较AlexNet模型均有明显改善。

基于matlab的指纹识别系统源码 手指静脉识别项目 本项目详细介绍请参阅：图像处理创新实践.pdf 本项目开源许可协议：GPL 3.0（除SIFT算法软件包，此部分软件包另有原作者的许可协议） 项目方案设计介绍 本项目实现手指图像的处理和匹配算法，需要处理的数据是本人不同手指的图像，首先经过图像处理，使得指静脉的纹理增强凸显处理，然后将所有的这些图像进行相互间的匹配，检验类内和类间的匹配度，观察其是否能够明显区分开来，并据此计算正确率。 在本项目中，由于是基于算法原型的研究，因此我们选用了操作便捷的Matlab R2019b软件作为运行环境，在Windows 10 Pro for Workstation操作系统中实现算法。 算法分为以下几个过程： 图像预处理过程中，需要增强图像，提取手指区域，为识别做准备。拟采用CLAHE、直方图均衡、二值化等算法，以达到增强图像的效果；拟采用边缘检测算法实现手指的识别和提取 图像的特征提取和匹配过程中，拟采用两类不同的方法。一是局部不变特征提取算法。这些算法具有检测图像中的特征点，并对特征点的局部区域进行描述和匹配的功能。二是针对二值化图像的模板匹

在python中编程实现，研究手指静脉图像的预处理算法，具体为手指静脉图像的轮廓分割、感兴趣区域截取、静脉纹理增强、静脉纹理分割。最后分别使用LBP特征和二值纹理特征对预处理后的静脉图像进行测评，获得两张静脉图像的相似度。