unigine.cpp

应用背景这个程序是测试各种图像处理的滤波器。您可以打开各种图像格式，处理这个图像，通过使用各种过滤器；关键技术图像处理，各种边缘滤波器，BMP图像打开，图像文件保存， ； ；

sift代码主要实现在sift.c这个文件中：首先创建初始图像，即通过将图像转换成为32位的灰度图像，然后将图像进过三次插值放大，之后进行高斯模糊，在此基础上进行高斯金字塔以及高斯差分金字塔的构建，下一步对图像进行特征点检测，计算特征向量的尺度，调整图像大小，计算特征方向，计算二维方向直方图并将其转换成为特征描述子。在输入参数中，img表示输入图像，feat表示提取的特征指针，octvl表示高斯金字塔和高斯差分金字塔的组数，的intvl表示高斯金字塔和高斯差分金字塔的层数，sigma是初始化过程中高斯模糊所使用的参数，contr_thr是归一化之后去除不稳定特征的阈值，curv_thr是去除边缘特征的主曲率阈值，img_dbl是是否将图像放大为之前的两倍，descr_with是计算特征描述子方向的直方图的宽度，descr_hist_bins是直方图中的条数。

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。

颜色分类案例，展示了如何使用分类器来实现颜色识别功能。文件包含一个色谱图像、演示程序和SVM分类器文件。程序大致思想为：1. 将图像变换到HSV空间；2. 采集每种颜色的样本点，加入到SVM分类器；3. 训练SVM分类器；4. 循环获取带分类的点，进行分类识别。

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

传播神经网络算法的源代码 这是监督的神经网络，需要学习率和势头的两个学习参数

square.d is input file; square.e  square.n  square.s are output file.   square.e  is element ,  square.n is node, square.s is side.

对各种算法去雾后的结果进行质量评价的matlab程序。内部含有信息熵，对比度，梯度等常用客观对比标准。

========================================================================        微软基本类库(MFC) : DTASvm ======================================================================== 本程序需要Comctl32.dll支持 程序向导已经为你创建了这个DTASvm应用程序。  这个应用程序不仅示范了MFC的基 本用法，他还作为你编程的出发点。 以下列出了你创建的DTASvm软件中每个文件的摘要，你可以在文件头找到，不过这 儿更具体！ DTASvm.dsp

这个例子展示了如何使用相结合的形态学的基本算子和Blob分析从视频流提取信息。在这种情况下，例数在每个视频帧的大肠杆菌数。