tong311

说明：  直方图均衡化能自动地增强整个图像的对比度，但它的具体增强效果不好控制，处理的结果总是得到全局均衡化的直方图，对数据的处理不加选择，可考虑采用自适应直方图均衡化（AHE），可改进图像的局部对比度以及获取更多的图像细节。MATLAB代码均可直接运行实现。(Digital image processing histogram equalization,Adaptive histogram equalization)

运用MAD相似性度量准则实现模板匹配程序(use MAD similarity measurement criteria to achieve template matching procedures)

改程序是用来行人检测的，有源代码，可以轻松学习并参考。(The reform program is used for pedestrian detection, source code, you can easily learn and reference.)

说明：  基于c#运动控制及图像处理项目源码，有兴趣可以看看(Based on C# motion control and image processing project source code)

车流量检测,车流量检测,车流量检测,车流量检测,(traffic flow,traffic flow,traffic flow,traffic flow)

jpeg无失真压缩源代码(jpeg lossless compression source code)

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征,计算机视觉和图像处理中用来进行物体检测的特征描述子的实现(Histogram of oriented gradients (Histogram of Oriented Gradient, HOG) characteristics, computer vision and image processing used for object detection feature descriptor realization)

说明：  ORB-SLAM 基本延续了 PTAM 的算法框架,但对框架中的大部分组件都做了改进, 归纳起来主要有 4 点: ORB-SLAM 选用了 ORB 特征, 基于 ORB 描述量的特征匹配和重定位, 都比 PTAM 具有更好的视角不变性。此外, 新增三维点的特征匹配效率更高, 因此能更及时地扩展场景。扩展场景及时与否决定了后续帧是否能稳定跟踪。ORBSLAM 加入了循环回路的检测和闭合机制, 以消除误差累积。系统采用与重定位相同的方法来检测回路(匹配回路两侧关键帧上的公共点), 通过方位图 (Pose Graph) 优化来闭合回路。PTAM 需要用户指定 2 帧来初始化系统, 2 帧间既要有足够的公共点, 又要有足够的平移量. 平移运动为这些公共点提供视差 (Parallax) , 只有足够的视差才能三角化出精确的三维位置。ORB-SLAM 通过检测视差来自动选择初始化的 2 帧。PTAM 扩展场景时也要求新加入的关键帧提供足够的视差, 导致场景往往难以扩展. ORB-SLAM 采用一种更鲁棒的关键帧和三维点的选择机制——先用宽松的判断条件尽可能及时地加入新的关键帧和三维点, 以保证后续帧的鲁棒跟踪; 再用严格的判断条件删除冗余的关键帧和不稳定的三维点，以保证 BA 的效率和精度。(Orb-slam basically continues the algorithm framework of PTAM, but most of the components in the framework have been improved, which mainly includes four points:)

VMD分解阈值去噪，进行极优模态分量的选择(VMD decomposition threshold denoising, selection of very excellent modal components.)

识别结果详见下图，识别图像不错的例子