otsu

在rgb颜色空间实现的单高斯模型，用于目标检测(In rgb color space to achieve a single-Gaussian model for target detection)

用openCV实现，用Camshift算法实现彩色目标跟踪(openCV,color object tracking usingCamshift)

用于图像处理上的相邻像素点之间相关性的计算，主要用于分析像素值之间的关联度(For the calculation of the correlation between the pixels on the image processing)

采用大津阈值法检测车道线，效果还可以，有需要的可以看看(Using the Dajin threshold method to detect the lane line, the effect is still good, you can see if you need it.)

用其中一半的数据采用ANN-BP算法设计分类器，另一半数据用于测试分类器性能。(Half of them with the data ANN-BP algorithm design classifier, and the other half data used to test the performance of classification. )

具体实现思路：以4位数字的验证码为例 1、人工将验证码的4位数字每位对应的代码存入数据库中，每位存入0-9对应的代码，每个数可以多存这样可以提高识别率; 2、获取验证码以后，对其进行去背景、灰度处理、去噪点处理、分片处理以后生成每位数字对应的代码; 3、去背景色，这一步的目的是把验证码和背景颜色区别开来。4、去噪声：这一步要取出图像上的孤立点。这些孤立点被认为是噪声。  孤立点的定义：某个点，周围没有与该点等值的点。  或者某个连接块，该连接块的元素的个数小于某个给定值K， 把元素个数很小的连接块也定义为孤立点，有助于去处噪声。  去噪声算法：参照去背景算法。 5、图像锐化：图像锐化的目的是增强边界。这一步是可选的。看验证码的情况，这一步可以跳过。 6、图片有效区域截取：这个操作是将图片除验证码字符以外的边框去掉，只留下验证码字符图片，这样保证分片的准确性。 7、图片分片处理，这个处理是将整个图片分割成单个字符图片。8、拿分片图像生成的代码(eg:000111110011…..)与DB中已有代码相比较，取得相似度最高的即要验证码的字符;   注：如果DB的样本越多，识别的准确率也越高，但是速度会相应变慢

matlab图像处理代码，利用分裂、合并算法进行图像的分割，含m文件和GUI(matlab image processing code, using split, merge image segmentation algorithms, including documentation and GUI m)

这是本人自己实现的椭圆检测算法，基于MATLAB实现，经测试对一些图片椭圆检测效果较好，需要同学可以参考(This is my own implementation of ellipse detection algorithm based on MATLAB implementation, tested on a number of pictures ellipse detection is better, students can refer to the need to)

利用遥感做变化检测的时候可以用到的数据。(Data Used in Change Detection Using Remote Sensing)

使用特征差别提取，通过特征差别相减，以去除高斯背景(Using the characteristics of different extraction, the characteristics of different background subtraction, to remove Gauss)