FREEMAP 很不错请大家参考

这个例子说明如何在2维数据进行模糊C均值。模糊c均值（FCM）是一个在其中一个数据集被分成n团簇与每一个数据点在属于每个集群到一定程度的数据集的数据聚类技术。例如，位于靠近一个簇的中心有一定的数据点将有属于或会员到该集群和位于远离集群的中心将有属于或度低的另一个数据点的高度隶属该集群。

资源描述使用vs+C++，opencv2.4.9在windows平台上的运动目标检测追踪代码

matlab的十几种图像滤波算法，费好大力气才找到的，希望能给于借鉴

人脸识别是研究的关键领域之一。它有许多应用程序和使用。许多方法和算法提出了像 3D 人脸识别等。 人脸识别来下像视网膜、 虹膜、 指纹等生物特征的识别。张脸的特征被称为生物 标识符。生物特征识别不很容易伪造、 放错位置或共享访问通过生物特征识别，因此 标识符给了我们更好地保护的方式提供服务和保障。我们还可以开发很多聪明的人 应用程序可能会提供安全和身份认同，我们提出一种新型脸识别使用的方法 RobustPCA 和径向基函数网络。这些系统可

应用背景我开发这个项目的C #。这个项目是实时检测移动对象。谢谢，有，有，有，有；关键技术你好，我用帧差法和轮廓检测法在这个项目中；谢谢

camshift目标追踪，对目标进行跟踪，并根据目标的大小对目标进行调节跟踪窗口，跟踪效果比较好，没有bug,是本人做实验编写的代码。

pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。     该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。

我们开发高效通用无参考 （星期日） 图像质量评价 （IQA） 模型，它利用局部的空间分辨率和光谱熵特征上的扭曲图像。我们使用随后进行质量评估的失真分类 2 阶段框架，利用支持向量机 （SVM） 训练图像畸变和质量预测发动机。由此产生的算法，称为基于空间谱熵的质量 (SSEQ) 指数是能够跨多个扭曲类别评估扭曲图像的质量。我们解释用熵特征和它们与感知的相关性，彻底评估生活 IQA 数据库的算法。我们发现 SSEQ 与吻合较好的图像质量，人类的主观意见，统计学上优于全参考 (FR) IQA 算法独和几种高绩效 NR IQA 方法： 痹祺、 DIIVINE、 BLIINDS-ⅱ 型。SSEQ 具有相当低的复杂度。我们还测试了 SSEQ 的 TID2008 数据库，以确定它是否是独立于数据库的性能。

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

qcad2.05可用于windows和linux的源码-qcad2.05 can be used for windows and linux source code