粒子滤波器视觉跟踪

这个项目的工作上传图片和图像文件下载。 在 PHP 中，此项目工作 您可以使用 WAP 5 切断 根文件 www 用户 id： 管理员 密码： admin

利用主动轮廓线算法和TV模型进行图像处理！ 对应于文献：Fast Global Minimization of the Active Contour/Snake Model

数字图像处理，C++源程序

MFC界面，求图像的拉普拉斯变换。

采用OpenCV，用大津法otsu自适应检测序列图像中的运动目标，然后检测去除阴影，并用区域生长算法对阴影区域进行修正 OpenCV采用1.0版本，IDE为VC++6.0，经验证，该算法可以有效检测出运动目标被光线遮挡产生的阴影，对智能视频分析有重要作用。

该源代码是用于图像分类的，是由本人亲自完成的，主要是采用了多示例学习方法和典型的纹理描述算子相结合实现的，经过试验证明，该方法具有很好的分类效果。

基于后方交会的程序代码。通过地面控制点坐标，以及控制点在航片上的坐标来结算航片的6个外方位元素。该程序具有运行良好，无错误，运行速度快的特点。

提出了一种新的适用于自主驾驶系统的车道线检测----基于改进最小二乘法拟合的车道线检测。算法首先将摄像头采集的一帧帧图像，截取感兴趣的下半部分进行灰度变换，得到灰度图像；其次采取高通滤波，小波变换，来进行边缘增强与检测；之后采取最小阀值二值化得到二值化图像,采用最小二乘法拟合车最后采用粒子滤波进行车道线的跟踪。实验表明，该算法简单、鲁棒性强,能准确地检测到车道标识线。

下面是该算法的伪代码：(a) 载入一个 HDR RGB 图像(b) 计算强度层我(c) 计算 log(I)(d) 筛选使用双边滤波获得 log(F) log(I)(e) 计算详细信息通道 D = log(I)-log(F)(f) 计算： 三角洲 = max[log(F)]-min[log(F)](g) 计算： γ = log(constrast) / 三角洲(h) 计算新的强度层： N = 10^[gamma*log(F) + D](i) 规模的 RGB 值由 N / 我(j) 保存 LDR 图像

该代码为基于DSP图像处理方式中一种常用的sobel边缘检测算法。主要用于数字图像的一阶梯度计算和边缘检测。在技术上，它是一个离散的一阶差分 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