OMP算法用于计算图像的表示系数

应用背景C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法，C++编写的背景减除方法。关键技术图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！图像处理中运用C++进行背景减除，适用于人体特征提取！

在程序实际开发中，闪屏是我们经常用到的。如果程序初始化要一些时间，设计闪屏更加有必要，不但使你的程序也漂亮，还能在上面写上你的版本信息。好处是多多的。

在稀疏领域比较著名的是elad的稀疏与冗余。这个程序是对elad的书本上的算法进行实现的matlab程序

资源描述Camshift对目标进行跟踪，但是会出现跟踪偏移，结合卡尔曼滤波进行目标位置预测，并对位置进行校正，减少了目标的漂移。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

分析图像、物体和视频信息过程，我们常把看到的物体用直方图（histogram）表示，直方图可以用来描述各种不同的事情，如物体的色彩分布、物体边缘梯度模板，以及表示目标位置的概率分布。直方图广泛应用在计算机视觉应用中，简单说，直方图就是对数据进行统计，将统计值组织到一系列事先定义好的bin中，bin中的数值是从数据中计算出的统计量，这些数据可以是诸如梯度、方向、色彩或任何其他特征。直方图获得的是数据分布的统计图。 cvCvtPixToPlane openCV里面的一个函数 可以看作cvSplit是他的宏：  

根据场景中的静态图像或视频，利用给定的人脸数据库信息，鉴别或确认该场景中的一位或多位人的身份的过程。

一个没有使用任何控件纯VB编写的三维地形显示程序，支持鼠标拖拽旋转和平移，可以定义焦距和俯仰角，非常实用。

资源描述这是一个很好的基于ExtJS的Web应用程序来显示图像，从而为用户做放大、缩小、fitwindow和原始分辨率。

使用D7 EncdDecd和ZLib压缩和加密字符串。