基于概率框架的立体视觉匹配和运动估计方法

用于检测图像中的显着区域的显着图。代码是用matlab检测显著区域。 ；有效的方向特征，绘制。

VS2010+图像检索 这个其实就是检索的方式了，可以按图象画面布局，色彩，纹理来分类检索 一般都是按画面的象素布局。简单点可以转化为黑白图象，然后根据象素的分布再处理，这样的应用适合对色彩不敏感的场合

资源描述 首先获取图像的像素信息，对于灰度图分析其灰度值，并能够根据灰度值来绘制直方图，利用直方图数据来对图片做处理，使得图像均衡化

本代码完全使用自己编写的代码实现canny算子提取边缘，并与MATLAB自带的canny算法进行比较，

mfc编程，带滚动条的图片显示，图像灰度化，加权灰度均衡化，高斯滤波处理，大律法自适应二值化算法

资源描述 研究了Mean-Shift算法在车辆跟踪上的应用，并且实现基于区域的多目标跟踪算法。由于Mean-Shift算法存在的不足，本文又研究了基于最大后验概率指标（PPM）的跟踪算法，并实现了基于PPM的跟踪算法对车辆的跟踪。

它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。先对图像进行灰度化处理，然后进行高斯滤波，用一阶导数的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，双阈值算法检测和连接边缘

使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。该系统的识别率一般情况下为90%。此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。具体使用请参照书中说明。

可以播放RTSP的c#调用库，可用c#直接播放RTSP流，当VLC用，有DEMO实例，当作ODM中的解码播放库ffmege，可作为视频监控上的共同解码标准的RTSP流来用，

harris角点检测源代码，简洁高效，通俗易懂，可以有效检测出图像的角点，并提供了一个画圆的程序，用于在图像上圈出角点。 使用格式为[cnt,posr,posc] = get_harris(img,k,t)  其中img为需要检测的图像，k，t分别为该角点检测的参数。输出cnt为角点数目，posr,posc为各个角点的位置。