点在多边形内算法

资源描述 OpenTLD opencv实现 2.4以上版本编译报错 include/TLD.h添加了头文件#include

分析了小波分析及局部区域能量的图像融合算法的优缺点，提出了改进算法，实验证实算法具有较好的适应性和鲁棒性，分析了小波分析及局部区域能量的图像融合算法的优缺点，提出了改进算法，实验证实算法具有较好的适应性和鲁棒性。

该代码可以用AES算法对图像进行加解密

基于OPENCV开发的掌静脉识别程序，MFC设计。用掌静脉进行身份认证时，获取的是掌静脉的图像特征，是掌活体时才存在的特征。掌静脉识别仪是利用掌静脉识别技术原理进行工作的门禁机，掌静脉识别是静脉识别的一种，属于生物识别，掌静脉识别系统就是首先通过静脉识别仪取得个人掌静脉分布图，从掌静脉分布图依据专用比对算法提取特征值，通过红外线CCD摄像头获取手指、手掌、手背静脉的图像，将静脉的数字图像存贮在计算机系统中，将特征值存储。

Buades A，莫雷尔ĴM.非本地算法的图像去噪[A]：基于快速非局部均值图像去噪算法。在：IEEE计算机协会会议上的电脑。视觉与模式识别[C]。圣地亚哥，CA，USA，2005：60〜65。用于非局部均值对称的重量分别为每对像素计算出仅一次。

基于OpenCV中值滤波方法，中值滤波是在1971年由Tukey提出来的，它是一种非线性的且比较典型的滤波技术。在某些条件下它能够克服如均值滤波、最小均方滤波等产生的图像细节不清晰，对消除椒盐噪声极其有效，在分析处理一些光学条纹测量图像时有着重要的作用，可是在分析条纹中心方法中没有太大的用处，在处理图像中，可以维持边缘信息，是很典型的平滑噪声法。

这是关于立体匹配的程序，其中使用的匹配算法包括NCC、SAD、SSD算法，对于学习立体匹配的朋友来说是非常有帮助的。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

图像的小波分解与重构；

在用稀疏表示做图像去噪、去模糊、恢复、修复时通常需要用到表示系数的求解，而OMP是最常用的经典解法之一。