基于块的梯度下降搜索的运动估计算法

应用背景 视频捕捉的对象中，背景通常保持不变。一般分析中关注移动的前景物体，威力提取出前景物体，需要建立背景的模型，将模型和当前帧进行比对检测前景物体。前景提取应用非常广泛，特别是在智能监控领域中。 关键技术 具体的实现过程主要分为两部分：一部分是调用absdiff函数找出当前图片和背景图片的区别，这之中使用了threshold函数去除为前景，当前图片像素与背景图片像素变化超过一定阈值的时候才认定其为前景；另一个工作是更新背景图片，调用函数accumulateWeighted，根据权重参数可以调整背景更新的速度，将当前图片更新到背景中，这里巧妙利用得到的前景提取结果作为mask，在更新背景图片的过程中避免了前景的干扰。

边缘检测是一个非常耗时的过程。这个项目的目的是比较并找出最佳域 （频率域或空间域） 的快速边缘检测，确定最佳的方法高斯差分 sobel） 的快速边缘检测。在 matlab 环境中编写此项目。测试结果简要地叙述了下面，在大小 512 × 512 图像上运行时。狗在索贝尔在频率域-0.128717 秒时间索贝尔在空间域-0.010328 秒频率域-0.150253 秒时间在空间域中的狗-0.045588 秒时间花费的时间

本项目应用于医学领域的医学图像融合的多通道digonesis。它将使图像融合的质量更好。

这是一个基于高斯背景建模的前景检测算法，效果还可以，不过摆脱不了高斯建模本身的缺点，那就是需要学习，需要有几帧视频来学习建模，得到背景。

画笔

资源描述基于opencv的图像处理程序，利用了visual studio C++的平台

由于sift算法提取到的特征点数量太多，而且检测到的特征点中伪特征点较多，且分布不够均匀，不能够很好地反映图像特征。此外每个特征点都有128维的特征向量，而且算法中包含经过大量的高斯卷积过程，所以算法运算量十分巨大，配准的速度慢。故考虑采用Harris算子代替近点SIFT 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

所谓的差影法就是图像的相减运算(又称为 减影技术)，该运算是把同一景物在不同时间拍摄 的图像或同一景物在不同波段的图像相减[6]，利 用差影图像提供的图像间的差异信息以达到动态 监测、运动目标检测和识别以及目标识别等目的．

IMTRANS - Homogeneous transformation of an image. Applies a geometric transform to an image [newim, newT] = imTrans(im, T, region, sze);

一维高分辨距离像，频率步进雷达实现，能得出信噪比变化图，可以得到散射矩阵，水平极化和垂直极化分布