gamma

通过背景差获取目标，提取车辆的不变矩，外加矩形度，圆形度，体态比等特征构成特征向量组，通过欧式距离识别出车辆。(through poor background, target acquisition, unchanged from the moment vehicles, plus rectangular, circular, Body composition characteristics than the eigenvector group, by the Continental distance identify vehicles.)

基于opencv的相机单目标定程序，很好的学习资源，做图像矫正的可以看看~(Opencv based on a single target of the camera program)

首先生成如下形式的图片：图中的白条为7象素宽，210象素高，白条间的宽度为17象素。 应用多种滤波器进行处理：算术均值，几何均值，谐波均值，逆谐波均值，中值滤波，中点滤波，最大值、最小值滤波等。注意，需改变模板大小。详细比较上述的结果，并分析原因。 (First generation following form images: figure IOUs 7 pixels wide, 210 pixels high, the width is 17 pixels between IOUs. Using a variety of filters for processing: the arithmetic mean, geometric mean, harmonic mean, inverse harmonic mean, median filtering, filtering midpoint, maximum, minimum filtering. Note that the need to change the template size. A detailed comparison of these results and analyze the reasons.)

基于高斯混合模型markov树算法的图像分割。。。(Gaussian mixture model based markov tree algorithm for image segmentation. . .)

这个是图像处理中的hough变换的C++源代码，工需要的同学参考学习。(This is the image processing hough transform C++ source code, engineering students need to learn.)

功能：应用Rudin-Osher-Fatemi模型进行图像去噪，在ROFtest.m 中输入图像，附带文档ROFscheme内容为此模型的数值分析过程，比较详细，适合初学者(Classic 􏰉 Rudin-Osher-Fatemi model denoising, the including documentation is the numerical analysis process of the model in detail, suitable for beginners)

编码： （1）进行颜色转换，将RGB格式转换为YUV格式。 （2）将待编码的N×N的图像分解成(N/8)^ 2 个大小为8×8的子图像。 （3）对每个子图像进行DCT变换，得到各子图像的变换系数。这一步的实质是把空间域表示的图像转换成频率域表示的图像。 （4）对变换系数进行量化。 （5）进行Z字形重排 （6）使用霍夫曼变长变码编码器对量化的系数进行编码，得到压缩后的图像（数据）。 解码： （1） 对压缩的图像数据进行解码，得到用量化系数表示的图像数据。 （2） 进行反Z字型重排 （3）用与编码时相同的量化函数或量化值表对用量化系数表示的图像数据进行逆量化，得到每个子图像的变换系数。 （4）对逆量化得到的每个子图像的变换系数进行反向正交变换（如反向DCT变换等），得到(N/8)^2 个大小为8×8的子图像。 （5）将(N/8)^2 个大小为8×8的子图像重构成一个N×N的图像。 （6）进行颜色组合，将YUV格式转换为RGB格式图像。(JPEG compression and decompression process)

demons算法用来实现图像的配准，特别是医学图像的配准，已经达到了很高的精度(demons algorithm is used to achieve image registration, especially in medical image registration, has reached a very high accuracy)

针对杂波环境下的多个机动目标跟踪问题, 本文将多模型概率假设密度 (Multiple-model probability hypothesis density, MM-PHD) 滤波器和平滑算法相结合, 提出了 MM-PHD 前向 – 后向平滑器. 为了避免引入复杂的随机有限集 (Random finite set, RFS) 理论, 本文根据 PHD 的物理空间 (Physical space) 描述法推导得到了 MM-PHD 平滑器的后向更 新公式. 由于 MM-PHD 前向–后向平滑器的递推公式中包含有多个积分(By integrating the multiple-model probability hypothesis density (MM-PHD) filter with the smoothing al- gorithms, an MM-PHD forward-backward smoother is proposed in this paper for tracking multiple maneuvering targets in clutter. To avoid use of complex random finite set (RFS) theory, the backward updated equation of the MM-PHD smoother can be derived according to the physical-space explanation of the PHD)

说明：  使用unet对图像进行分割的源码，里面有训练集，可以根据自己的需要更换训练数据。(Use the source code of the image segmentation using UNET, which has a training set, you can change the training data according to your own needs.)