视频序列的提取，视频的特征点跟踪以及前景的提取

matlab仿真实现对复杂背景下图片的基于形态学梯度重构和标记提取的分水岭分割。

本例程是应用12864上下屏显示，以F020单片机为开发板设计的一款测试软件。可以简单应用到各个方面。引脚修改简单，备注清楚，方便大家使用。

vs编写的位图帧差法 基于背景差法和帧间差法相结合的运动目标检测和自适应背景更新方法 本文所研究的运动检测和背景更新方法实现的步骤如下： (1)开辟静态内存，对图像进行初始化准备采集； 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

本代码是利用凸优化对L1范数进行优化，从而达到对系数图像去噪的效果，输出为去噪后图像以及噪声图像，本代码对椒盐噪声去除效果尤为明显

计算图像的水平矩阵，然后校正图像的几何失真。

本程序是在VS上开发的，基于计算机视觉开源库opencv进行图像读取，可以同时打开两张图片， 分别显示在MFC视图中，两图片都有滚动框。在此基础上，可以进行后续处理，如融合，融合部分还没做完。

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。

基于kinect的人脸跟踪系统，环境：Visual Studio2010，kinect。 本科毕业设计可用。 可运行范例。

应用背景二维最小均方滤波(TDLMS)实际上是一种典型的自适应线性预测算法，它在预测过程中采用了最小均方误差准则。当红外图像的背景具有强相关性时，二维最小均方滤波是行之有效的方法。关键技术经过上述自适应滤波处理后，将预测背景与原图像差分即可获得抑制背景后的目标图像。这种预测算法的特点是结构简单，速度快，并且能够使差分图像信噪比得到较大的提高。

matlab练习程序（Hilbert图像置乱） 正好刚写了Hibert生成曲线，不如再加一篇应用的程序。关于Hilbert图像置乱，我在网上搜的应用领域主要集中在数字水印和图像加密上，而这两个领域我都没怎么接触过。大部分的图像置乱都是如下图的置乱1所示，至于置乱2则是我不小心生成的。置乱1是先把原图按hilbert曲线进行赋值，拉成一条一维数组，再reshape成一副图像。