混合高斯背景建模

应用背景 VS是2010的，网上寻找教程配置opencv和HALCON，然后运行程序，就可以根据按钮进行颜色提取，最后输出阈值，就可以在程序中进行运用。关键技术 使用mfc编写用户交互界面，然后对RGB颜色进行颜色通道分离，最后判断得出阈值，而且HSI空间对亮度的敏感度很小。

关于合成孔径雷达的最常用的成像算法-距离多普勒成像算法（RD）的实例。能实现场景内多个目标的成像结果的仿真。经修改可以很容易修改成针对特定场景的RD成像。

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。

点目标成像，匹配滤波，加窗函数。数字图像处理。雷达信号处理初学者适用。点目标成像，匹配滤波，加窗函数。数字图像处理。雷达信号处理初学者适用。点目标成像，匹配滤波，加窗函数。数字图像处理。雷达信号处理初学者适用。点目标成像，匹配滤波，加窗函数。数字图像处理。雷达信号处理初学者适用。

本例程是应用12864上下屏显示，以F020单片机为开发板设计的一款测试软件。可以简单应用到各个方面。引脚修改简单，备注清楚，方便大家使用。

surf算法demo，网上的一个关于surf算法的demo，大家参考参考

根据形态学变化来找背景和前景，二值化，然后找contour，随后找出每个细胞的原点坐标。 Mat blur_img = orit.clone();    cv::GaussianBlur(orit, blur_img, cv::Size(5,5),1.5);    for (int i = 0; i < 0; ++i)    {        cv::GaussianBlur(blur_img, blur_img, cv::Size(5,5),1.5);    }    showim(blur_img, "blur");    cv::Mat back_img, fore_img;    cv::Mat element(7,7,CV_8U,cv::Scalar(1)); 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

在matlab中，设置当前的目录为工作目录，在命令行中输入fpextractdemo，即可运行程序。系统设计好了，图片可以换。

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。

资源描述 实现了camshift对目标的动态跟踪