混合高斯模型背景建模

这是一个图像增强技术的实现。我用gonzaleys作为写作参考。这个是非常直接的方法。这对于那些想学习及是非常有用的。

资源描述H264编解码器源代码，包括H264编解码播放器和编解码的源代码

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

此代码分别用C++和matlab写的混合高斯背景建模，自适应确定高斯分量的个数，由Z.Zivkovic开发，相关文章是Improved adaptive Gausian mixture model for background subtraction。

利用各向异性扩散方程对图像进行处理，例如去噪，边缘检测

clear,clc,close all; % compute the background image Imzero = zeros(240,360,3); video=aviread("SampleVideo.avi"); Im = double(cat(4,video(1:2:end).cdata))/255;     clear video % Convert to RGB to GRAY SCALE image. nFrames = size(Im,4); Imzero  = Im(:,:,:,1); for i = 2:5 Imzero = Im(:,:,:,i)+Imzero; end Imback = Imzero

OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python, Java and MATLAB/OCTAVE (版本2.5)的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#,Ch, Ruby的支持。本代码主要是展示，cvmat的一些基本操作。希望可以帮到大家。

一个非常好的基于边缘指导的图像插值算法仿真代码    基于MATLAB里面附有论文，课对照论文学习.......................

SFW信号，计算往返的最初时延，这段程序只画出两个频率点 第一个和第11个，将E_H_separate向量中加入高斯白噪声，10*3e5关于SHH的运算式每一行是每个脉冲（也即每个频点）对应的S混频，下变频。fftshift作用是将零频放在最中间 1*3e5矩阵

ransac算法， 去除误匹配点，可提高匹配的质量，也可提高匹配的速度，感兴趣的同学可以下载看看，