本地和全球水平集

资源描述This software is intended for research purposes only.  All rights reserved.  Copyright rests with the authors. When using this software, please ackowledge the effort that went into development by referencing the following paper: A Hough Transform-Based Voting Framework for Action Recognition. A. Yao, J. Gall & L. Van Gool (CVPR 2010). Questions or comments concerning the code can be addressed to Angela Yao (yaoa@vision.ee.ethz.ch). The bulk of the code was developed from work detailed in the paper  Class-Specific Hough Forests for Object Detection. J. Gall and  V. Lempitsky (CVPR 2009) with code available here: http://www.vision.ee.ethz.ch/~gallju/projects/houghforest/houghforest.html =============================================================================== USAGE & NO

一维高斯滤波就是使用一维高斯公式生成一个一维的矩阵，然后使用该矩阵对图像中的每一个像素进行处理。处理方法是计算当前像素与其周边像素和矩阵中对应的权值的乘积的和。先对图像横向处理，完毕以后再对纵向处理（顺序相反也可以）。

使用QT的环境，可以自行修改，读取raw文件，转成opencv的Mat类。void readRaw(char*name,Mat dst)这个函数主要用取读取raw文件， 并且转化成Mat类。 void writeRaw(char*name,Mat &src)这个函数主要将Mat类写入raw文件。

实时图像处理软件。软件计数约22000瓶回收每小时。正在使用非常快速的算法。

里面两个函数，一个是图像下采样的函数，另一个是负责调用，以及采样后还原到原图进行误差评测的函数。调用后者即可。

1.根据训练文件夹中的图像训练单词表。在每一张图像中提取sift点，将从所有图像中得到的128维sift点进行聚类，类别数就是单词数，聚类中心就是单词，将得到的单词表保存下来。 2.对于每一张新的图像，先提取图像中的sift点，按照之前训练好的单词表将每个sift点对应成某个单词，统计在这幅图像中每种单词的数量，就是词包模型。 注意：生成的文件每行代表一幅图像，将文件复制出来后修改后缀成.doc可以用word打开。 首先运行centr3得到单词表，在运行bagofword生成单词包。

视频监控中前端DVS的实现程序，支持SIP/RTP等协议。视频编解码算法为H.264，音频编解码算法为G.711，支持多路并发传输，支持264码流封装为RTP包。

正在实现MPEG7描述符

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

本代码是利用凸优化对L1范数进行优化，从而达到对系数图像去噪的效果，输出为去噪后图像以及噪声图像，本代码对椒盐噪声去除效果尤为明显，而且迭代次数少，收敛速度快