SAR_edge_detection_matlab

一篇关于总结了行为识别各种资源的论文，涵盖了通常的数据集、兴趣点检测，特征提取的方法以及识别检测的算法(A paper that summarizes the various resources of behavior recognition, covering the normal data set, the interest point detection, feature extraction methods and the identification detection algorithm)

小球沿斜线运动,可以扩展到其他程序中，第一次上传，谢谢。(a ball along with a line.)

一个很好的PCA程序。它可用于数据的降维，消噪及特征提取。(A good PCA procedures. It can be used for data dimensionality reduction, de-noising and feature extraction.)

VIBE用于视频背景建模，经典算法，C++和matlab代码都有，文件是全的。(VIBE for video background modeling, classical algorithms, C++ and matlab code has a file is complete.)

matlab提取图像的纹理特征，包括方差、熵、角二阶矩等特征。(matlab extract the texture features, including variance, entropy, angular second moment and other features.)

利用极大似然估计进行盲反卷积复原，通过多帧图像约束，效果较好(Use of maximum likelihood estimates for blind deconvolution restoration by the multi-frame image constraint, the better)

图片鱼眼畸变校正程序。用于处理图片桶形失真枕形失真。(Picture fisheye distortion correction program. Used for processing images barrel distortion pincushion distortion.)

为了提高数字图像中椭圆检测的效率和准确性,提出了一个基于最小二乘法的改进的随机椭圆检测算法. 该算法随机选取图像中的3 个边缘点,在以这3 个点为中心的窗口内,从边缘点中拟合出可能椭圆,并通过随机选 取的第4 个边缘点来确认可能椭圆. 利用直接最小二乘法椭圆拟合的特性,引入可能椭圆边缘点收集和椭圆重新 拟合的迭代过程来提取最终的椭圆参数. 通过对含有不同噪声的仿真图片和包括残缺椭圆的实际图片的实验表 明,新算法的改进是有效的. 与原算法相比,新算法降低了对参数的依赖性,提高了检测的速度、稳定性和准确性, 同时保留了原算法的抗噪声能力.(: An imp roved randomized ellip se detection algorit hm based on least square approach was proposed to enhance t he efficiency and accuracy of ellip se detection in digital images. This algorit hm randomly se2 lect s three edge point s in t he image , and t hen uses least square approach to fit all t he edge point s in three windows , which are defined by t he t hree edge point s. The forth edge point is randomly selected to judge whet her a possible ellip se exist s in t he image. Utilizing the characteristic of direct least square fit ting of ellip se , an iteration process of edge point collecting and ellip se refit ting of possible ellip se was int roduced to ext ract t he final ellip se’s parameters. Artificial images wit h different level s of noise and nature images containing incomplete ellip ses were employed to test t his algorithm. Experimental result s show that t he improvement s are notable. Compared with the original algorit hm , t he propo sed algorit hm reduces)

厦门大学OJ上的ACM题1071目前最好算法,原创作品()

使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。()