图像阴影检测

资源描述这是一个应用程序使用Java开发和ExtJS做基于GCP点图像校正所使用的参考图像，如谷歌地图。本文提出的图像为TIFF格式，它支持输入图像为JPEG文件。它使用GDAL和仿射变换的图像格式和阅读的精馏过程。

基于肤色模型的手势分割检测，人手检测根据肤色模型检测人的手所在位置,并根据模板判断手势。-Detection of manpower under the color model to detect the location of the hand. And in accordance with the template to determine gesture.

在directshow的基础上实现对视频源亮度的调解，以更好的适应不同的环境，经过测试有一定的效果。特别是在光线叫暗淡的环境下能够获取较高亮度的图片。

基于人脸识别特征脸......与示例代码创建培训数据库然后在识别过程中使用它

应用背景要求：Matlab，Matlab图像处理工具箱。主成分分析法是一种数学方法数据尺寸减少的公式。因此，主成分分析法技术允许在数据和标准的识别他们的表达方式，在这样一种方式，他们的相似性和差异强调。一旦模式被发现，它们可以被压缩，即，他们的尺寸可以减少没有多少损失的信息。总之，主成分分析法可能是用于数字图像压缩算法，具有低的损耗关键技术1发布日期2014.10.25主要特点：主成分分析的图像压缩详细数据压缩信息灰度和RGB图像的支持快速优化实现演示代码（保护p-files）可用绩效评价

使用opencv进行肤色分割，可以划分出完整手型，并可测量出手掌重心，还可以进行腐蚀和膨胀去噪点。学习opencv不可多得的例子

高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布   的噪声非常有效。一维零均值高斯函数为： g(x)=exp( -x^2/(2 sigma^2)) (u=0)其中，高斯分布参数Sigma决定了高斯函数的宽度。 对于图像处理来说，常用二维零均值离散高斯函数作平滑滤波器。

资源描述标记视频中的人脸，将视频中每一帧转换为图片，然后检测

本书介绍如何解决图像处理中非常常见的问题-特征检测。

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。