使用sift进行图像对称的代码

局部二进制模式（LBP）是一种用于在计算机视觉分类功能。 LBP是中提出的纹理光谱模型的具体情况1990年 [1] [2] LBP在首次描述1994。[3] [4]它已经被认为是一个强大的功能用于纹理分类;它已经进一步确定，当LBP 是结合梯度方向直方图（HOG）的描述符，它大大提高了对某些数据集的检测性能。  LBP的特征矢量，在其最简单的形式中，以如下方式创建：  划分检测窗口进入细胞（例如16×16像素的每个单元格）。  在一个小区中的每个像素，比较像素到它的每一个8邻居（在其左顶，左中间，左底部，右顶部，等等）。 跟随一个圆，即顺时针或逆时针的像素。其中，中心像素的值大于邻居的值，写入“1”。否则，写“0”。这给 出了一个8位二进制数（通常转换为十进制为方便起见）。 计算直方图中

载波感应是指发射机使用反馈

应用背景基于肤色分割手势图像可以很大程度除去背景，但因为人脸也是肤色也能被检测出来，这里就要除掉人脸信息。只留下手势信息就行。关键技术通过先对视频帧得到每个像素的概率，从而获得概率似然图像，再对该图像进行阈值分割

车辆的检测与跟踪是目前交通领域比较热门的话题，该文件使用opencv实现，包含了运动车辆检测跟踪系统里的源代码，可直接调用。

图像的灰度阈值变换、灰度窗口变换、灰度拉伸、直方图均化以及图像的平滑和中值滤波等都是数字图象处理中较为常用的算法。通过实现不同的算法来直观的看到图像处理结果，但是只能处理256位灰度图。

本程序是在vs2010+opencv的平台上运行的，利用的是opencv2.4.9，C++写的，利用多种方法来遍历图像，例如通过创建迭代器的方法来遍历图像，通过指针的方法来遍历图像等方法来对图像进行处理。最后的得到的效果令人满意。

应用背景meanshift是由Comaniciu最先提出来，是用于跟踪非刚性物体的一种算法。为了表征目标，首先需要选择一个特征空间。参考目标，用在特征空间中概率密度函数q表示，例如参考模型可以选择目标的颜色概率密度函数。不失一般性，目标模型可以认为中心处于其所在空间的中心。在下一帧候选目标被定义为在位置y，用概率密度函数p(y)来表示。关键技术本算法结合颜色和纹理信息对目标进行跟踪，里边包含测试的视频文件。目标和候选直方图之间的相似度函数记作公式(1)，相似度的局部最大意味着在候选模型与目标模型匹配。如果仅考虑颜色信息，候选区域的相似度变化会很大，匹配效果不好。为了得到一个连续性的相似度函数，在空间域内，用一个核函数对目标 区域做滤波处理。

灰度图像可被视为地形起伏，其中像素的灰度被解释为其在起伏中的高度。落在地形地貌上的一滴水沿着路径流动，最终到达；

在监控场景中用kalman滤波对目标轨迹进行跟踪预测，kalman滤波的两大步骤是预测和更新，当场景中由于遮挡等原因目标跟踪丢失得到轨迹片段，用kalman对缺失的轨迹点进行预测，kalman两大假设前提是高斯、线性。对于非高斯非线性系统不适用，目标运动建模是满足匀速运动

ICCV会议上，关于稀疏编码图像恢复的文章，pdf格式，文章中也给出了源代码的下载网址。