转换器 (2d 到 3d 转换视频)

根据场景中的静态图像或视频，利用给定的人脸数据库信息，鉴别或确认该场景中的一位或多位人的身份的过程。

附件是模拟以下的多聚焦图像融合方法： (1) DCT + 方差 (2) DCT + 方差 + 简历 在中提出： 工商管理硕士 Haghighat，A.Aghagolzade

非常好的DS证据理论算法代码，应用DS证据理论的融合算法进行图像分割，代码可用，无报错。有实例图像。

资源描述灰度共生矩阵是一种纹理描述算法，该程序首先初始化灰度共生矩阵，并且计算灰度共生矩阵的参数，这些特征参数有熵、能量、对比度、一致性等。

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject我们常在报纸上看到图片。观察这样的图片你会发现它是由一个个点组成的。我们也可以做出这种效果。很有趣。适用于初学者。背景操作系统: Microsoft Windows 7 专业版 (64 位) 开发实用程序: Microsoft Visual Studio 2010使用代码 // The height of the image. for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // The height of the image. for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // The index of pixel, because we use the three depth bit to present one pixel of color, // Therefore, we have to multiply three. lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // To get the pixel depth of the blue channel, byteRGB_BA = imageA->DibArr

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。

大脑癌症检测 过滤 聚类分析 组织的领域

采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波, 程序能够运行出正确的结果，希望对各位有帮助。

应用背景本项目是针对目标跟踪，并进行目标跟踪；关键技术我用粒子追踪这个项目。

C++实现的LBP算法提取图像纹理特征,C++实现的LBP算法提取图像纹理特征-C++ implementation of the LBP texture feature extraction algorithm, C++ implementation of the LBP algorithm for extracting image texture features LBPLBP_prodatalena.bmp   ..............Thumbs.db 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