简单的OPENCV提取运动目标

资源描述取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址

多尺度图像非下采样轮廓波变换(NSCT)的工具箱,实现代码为Matlab版本。可用于图像的多尺度分析,如图像压缩、图像分割、图像融合和超分辨率等。

这是一种 ASP.NET 项目图像处理项目，题为"交互式图像检索"该项目的范围： 目的是建立快速、 高效的战略 toretrieve queryConcept 基于内容的图像检索中。简介： 人类 interactivesystems 吸引了大量的近几年，特意为基于内容的图像检索系统的研究兴趣。早期的系统，集中在全自动策略，最近的做法有 introducedhuman 计算机交互。在本文中，我们专注的概念在较大的图像集合中检索。我们假定用户正在寻找一套图像，查询概念，在数据库内。目的是打造深圳和有效的战略，以检索 queryConcept。在基于内容的图像检索 （CBIR） 中，促使人们可能启动使用查询作为一个例子。最高等级 similarimages 然后介绍给用户。然后，互动过程允许用户来完善他的请求需尽可能在 < 跨风格 ="字体-大小： 12.0pt ； 字体系列：""> 相关性反馈回路。许多种类的互动提出了用户和系统，但大多数情况下，userinformation 包含二进制标签，指示是否对所需的概念 imagebelongs。

这是为 2 图像的拼接 自动拼图-自动缝 2 针图像在一起 画布是产生在画布的 2 张图片 行和 col 是起源的 2 张图片之间的偏移量

程序主要是验证图像处理的一些算法，主要对印刷体汉字识别方法做了较为深入的研究，研究讨论了印刷体汉字的行切割以及列切割，同时研究了通过BP神经网路识别汉字的方法。首先，首先利用高斯平滑滤波器，对图像进行平滑处理，去掉了一些不必要的干扰。然后使用全局阈值法来进行二值化处理，随后分别利用水平投影和垂直投影相方法来对印刷体汉字进行行切割和列切割，最后通过已经训练好的BP神经网路对汉字进行识别。这个系统还有不是很完善的地方，一是它的识别精度还不是很高，这是因为没有采用特征提取的方法，只是简单的使用像素匹配的方法来对汉字进行识别；二是系统不是很稳定，有的时候设置同样的参数前后识别的结果就不相同。

资源描述 利用3层神经网络使用 LBP的特征进行行人检测的识别，里面已经包括行人检测的训练数据集。 开发环境VS2013 opencv3.0

这是2001年由Chan Vese发布的实现无边缘水平集的源代码。它可以用于医学或真实图像

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

先用视频前几帧进行帧间差分，用cvFindContours()得到二值差分图像中最大的连通块作为camshift的初始选择框 程序做的不完善，只能针对类似test.avi的视频进行测试。(读一下函数GetBlob（) 可能有些压缩格式的视频打不开，需要安装Xvid解码器

在本文中提出了非盲图像水印算法的鲁棒性新方法。所提出的方法执行通过奇异值分解 （SVD） 改性的复杂小波变换 （CWT） 域图像而连续小波变换提供了更高的容量比实小波域。改性的适当的子带，导致毫不逊色保留质量的水印。拟议的额外优势是技术的其最常见的攻击的鲁棒性。分析和实验结果表明多改进的性能与纯方法的基于奇异值分解的混合方法 （例如 DWT-SVD 为近年最好基于奇异值分解计划）。