在NSCT域多模态医学图像融合

Snake模型称为动态轮廓模型（Active Contour  Model）是Kass与1987年提出的，它对于在噪声和对比度不敏感，能将目标从复杂背景中分割出来，并能有效的跟踪目标的形变和非刚体的复杂运动而被广泛用于图像分割和物体跟踪等图像处理领域。Snake主要原理是先提供待分割图像的一个初始轮廓的位置，并对其定义个能量函数，是轮廓沿能量降低的方向靠近。当能量函数达到最小的时候，提供的初始轮廓收敛到图形中目标的真实轮廓。Snake能量函数是有内部能量函数和外部能量函数组成，内部能量控制轮廓的平滑性和连续性，外部能量由图像能量和约束能量组成，控制轮廓向着实际轮廓收敛，其中约束能量可根据具体的对象形态定义，使得snake具有很大的灵活性。Snake模型发展10多年来，许多学者对于经典的snake模型做了改进，提出各种改进的snake模型，其中梯度矢量流（Gradient Vector  Flow,GVF）模型扩大了经典snake的外力作用范围，加强了对目标凹轮廓边缘的吸引力，提高了传统的snake模型。文件中包含snake数学模型介绍的论文以及实现算法的代码，对学习该算法的科研人员会有帮助

这是一个完全工作三维人脸识别系统在 python 中作出。请在自述文件中找到的说明。它实现了以下功能： 1。归一化2.平滑3.内插4.裁剪5.缩放6.关键点提取7.旋转

PN和GOLD MATLAB程序

近似近邻快速图书馆

本源码主要是关于驾驶员头部位置定位，包括以下三个方面：1.利用红眼效应，定位正脸位置；2.利用侧脸特征，定位侧脸；3.摄像机标定，进一步完善。从而实现驾驶员头部位置定位，控制气囊充气量，减少碰撞伤害。

在实际图像研究中，常常只有图像中那些感兴趣的目标才能为我们提供高效、有用的信息。这些目标一般对应 图像中特定的、具有独特性质的区域。图像分割就是将图像划分成若干个这样的有意义区域的过程，各区域是 具有相近特性的像素的连通集合。图像分割是数字图像处理的重要技术之一，其基础是像素间的相似性和跳变性。 图像分割技术主要分为四大类：阈值分割，区域分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。

资源描述这个例子功能强大，能够以多种方式处理位图文件，强烈推荐

这是一个小的源代码，它向您展示了如何在C#。。。

通过opencv对图像进行二值化、滤波等操作，检测人脸！

使用C语言编写的图像去隔行的程序，可以处理视频，输入为RAW文件。经多次实现，效果良好，当心使用。使用的MELA算法，即一种线性的领域插值方法，基于的事六邻域。MELA算法是对ELA算法的改进，效果有显著提高。可以作为参考，对初学者很有帮助。