人眼识别

应用背景要求：Matlab，Matlab图像处理工具箱。在图像压缩和特征提取中，线性扩展的标准使用。这是最近提出的李和承：一个正或非负线性扩展是一个非常强大的约束，这似乎导致图像的稀疏表示。他们的技术，被称为非负矩阵分解（NMF），被证明是一个高维数据中的有用技术由非负性成分组成。关键技术关键词：MATLAB源代码，，，NMF，图像，压缩，非负矩阵分解。1发布日期2014.10.27主要特点：NMF的图像压缩详细数据压缩信息灰度和RGB图像的支持快速优化实现演示代码（保护p-files）可用绩效评价

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

运动估计代码.里面有源图像和运行结果.对写论文应该有帮助

算法采用camshift跟踪，实现了实时的多车辆尾随检测跟踪算法，对一定环境下的车辆目标能达到不错的效果

本压缩包里的程序是人民邮电大学出版的《数字图像处理与机器视觉 Visual C++与Matlab实现》一书的所有程序源代码， 是我从学校图书馆下载的，里面涵盖了图像点运算、几何变换、空间域和频率域图像增强、彩色图像处理、形态学图像处理、 图像分割、特征提取、图像识别以及人工神经网络和支持向量机的C++代码和matlab代码，代码都很经典，非常有用。

边缘检测算法喜欢罗伯茨、 空降和普鲁伊特运算符可以用于更多灰度梯度和 噪音。对于检测对角边缘 Sobel 运算符是更加敏感。另一方面，普鲁伊特运算符是更多 敏感的水平和垂直边缘。康力的运算符基于三个标准。第一个条件是使用 为疏导图像的高斯函数。二是一阶导数的最大值对应于 最小的一阶导数。换句话说，这两个点用灰度 （强边缘） 和点的戏剧性变化 稍有变化的灰度与对应于第二阶导数零交叉点。因而这些两个阈值为 用于检测弱边缘和强边缘。康力的算法不是容易受到噪声干扰的事实 使其真正弱边缘检测的能力。所以 Canny 的算法是边缘检测优化算法。

Blob 检测是一种快速、 简便的方法可以用于许多机器视觉任务，例如跟踪一个红色的球，找到一个蓝色的标记或检测人皮肤 （皮肤检测可与人脸检测和人脸识别方法性肤质的面具和手势识别非常有用）。若要查找彩色的斑点，你应该转换你的彩色图像从 BGR HSV 格式这样的颜色很容易分开。可以使用 HSV 颜色转换页面上的"ColorWheelHSV"程序看要到阈值的 H、 S 和 V 的值。你并不使用其他图形软件，请参见使用因为 HSV 值是不同的在 OpenCV 比在其他软件中的 HSV 阈值。举个例子，如果你想要检测一个蓝色的球，你可以运行 ColorWheelHSV，看到那蓝色大约是色调 85 到 130 在 OpenCV 之间。

基于概率框架的立体视觉匹配和运动估计方法

jsDraw2D是jsFiction公司提供的第一个产品，他们计划创造各种各样的革命性的JavaScript库和应用，来帮助JavaScript 开发者，Web开发者以及Web站长扩展JavaScript的内涵和功能。 jsDraw2D包括基本形状(如多边形，弧形，圆)，填充形状，以及贝塞尔曲线(包括一次，二次和立体曲线)。开发者可以在div元素中改变坐标系统的 原点到任意点上，并且可以选择缺省或者笛卡尔坐标系统。 jsDraw2D还可以允许你设置图形的大小比例。

应用背景图像的特征提取和特征匹配，用sift算法，SIFT特征检测算法 ，检测的特征点具有平移、旋转、尺度变化不变性，实验效果较好。-The SIFT feature detect algorithm.The feature is scale- and rotation-invariant.The algorithm performs well in experiments.关键技术sift提取特征，然后进行匹配。基于SIFT的图像配准程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力-Hot and difficult of the current research areas of domestic and foreign feature point matching based the SIFT image registration program SIFT feature matching algorithm is its ability to match between the two images, can handle translation, rotation, affine transformation case match problem, even in some degree images taken at any angle with more stable feature matching ability