基于labview vision模块的图像采集、保存程序（兼具打开已有图片功能）

在这个程序中，通过离散小波分析和输入图像来得到一个基于高频子带图像插值的图像分辨率增强技术。边缘的增强的基于平稳小波变换 （SWT） 引入一个中间阶段。为了将输入的图像分解成不同子带，使用了离散小波变换。然后，对高频子带以及输入的图像进行插值。估算的高频子代通过平稳小波分析得到的高频子代修正。然后，所有这些子相结合，通过使用逆离散小波变换 （IDWT） 生成一个新的高分辨率图像。定量和视觉结果显示了该方法的优势超过常规和先进的图像分辨率增强技术.

资源描述 采用了边缘检测法先检测出绘图图像的边缘，再hough直线拟合，拟合出图中的直线。由于这样查找到的直线非常多，所以先筛选掉角度明显有误的直线，在剩下的直线中保留最长的一组。 然后根据栅格扫描的方式进行逐行扫秒，把得到的交点，和道路中间的灰度小块进行块匹配，因为道路的分道线和道路的颜色是不一样的，根据块匹配区分该点是在分道线上还是在道路上，统计得到中心点左右两侧最匹配的两条直线，作为检测到的道路车道线。

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。它适合于实时处理和计算机运算。 卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。

人脸检测，包括人脸眼睛检测。基于opencv，效果不错。以OpenCV 图像处理库为核心，以QT 库所提供的界面框架为基础，提出了人脸识别系统设计方案，实验证明本方案具有较好的实用性，可移植性。但仍有许多不足之处，如身份与表情识别部分可以通过引入神经网络或支持向量机SVM 进行分类，可以使识别准确率与识别种类数得到提高，这些也是后续工作中步需要改进的。

LSD is a linear-time Line Segment Detector giving subpixel accurate results. It is designed to work on any digital image without parameter tuning. It controls its own number of false detections: On average, one false alarms is allowed per image. The method is based on Burns, Hanson, and Riseman"s method, and uses an a-contrario validation approach according to Desolneux, Moisan, and Morel"s theory. The version described here includes some further improvement over the one described in the original article.

采用VS2010编写，添加了OPENCV来处理图片。通过VS2010中选择VC++编写相应程序，利用MFC编辑窗口，可以直接控制打开图片。来实现打开图片的功能。原程序从网上下载，经过修改，可以运行。

代码是在李春明教授的Drlse模型上改进而来，用基于区域的符号压力函数替代边缘指示函数，并设置了可变权系数，使初始轮廓线只要位于图片上，无论与待分割目标位置关系如何（目标区域内、外、横跨 ），都能得到很好的分割效果。

以像素方式读取位图像并在windows中显示

包括人脸图像获取、人脸图像预处理、人脸表征、人脸检测、人脸分割和人脸的判定，并对其中的具体实现技术和方法进行了全面阐述，最后，针对视频图像，对动态人脸跟踪进行了探讨，并对人脸识别的现状和研究趋势进行了说明。