基于小波和插值的超分辨率图像重建算法

资源描述1.首先从文件菜单打开程序目录下的car.avi视频,系统将显示视频的第一帧。 2.点击背景提取菜单，稍后会提取出背景并显示在打开的第二个窗口中。 3.当提取出背景后，点击检测跟踪菜单，对车辆进行检测和跟踪。 4.点击轨迹绘制菜单，绘制车辆的轨迹。 注：由于使用OpenCV打开AVI视频文件需要视频解码器，故在程序运行前请在电脑上先安装DivX类型的的视频解码器，否则将出现无法打开文件的错误。本程序使用的是OpenCV2.1版本，在没有安装此版本软件的机器上运行时需要将cv210.dll,cvaux210.dll,cvcore210.dll,highgui210.dll,ml210.dll这五个文件拷贝至*.exe可执行文件下。

图像分割的n种方法，包括自适应阈值法，全局阈值法，二值化法等等，附带详细的解释

包括了频率突变检测简单程序，微分突变点程序，利用小波分析进行消除噪声污染，小波消噪和傅里叶变换消噪的简单的对比程序，在低频信号上观察斜坡信号的趋势简单程序，对某一低频信号进行抑制和增强的简单程序，图像平滑、增强、融合的简单程序。这个压缩包里包括了小波分析的基本上所有的简单程序。

资源描述LSD是一种经典的直线段检测算法，用于提取到图像中所有的直线段，通过直线段间的关系分析，可以得到关于对象几何形态的假设，进而为后续处理提供基础。

lBP纹理提取纹理源码，使用c++编程，局部二元模式方法提取目标的纹理特征，是经典的局部纹理特征提取方法。

输入一张图片，判断是不是人脸，如果是则标出范围。环境： vs2013 + opencv3.0

Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。结合Klaman进行轨迹预测。

整个是一个粗糙的水彩化效果程序，通过若干种图像 运算算法得到，几何运算，代数运算，膨胀 扩散 求边缘等

C++ demo for Kaihua Zhang"s paper:"Real-Time Compressive Tracking",能够很好的实现实时跟踪。对做跟踪方面的研究着有一定的帮助！

在传输的多信道图像，图像已损坏的椒盐噪声，由于通讯故障。盐和胡椒粉噪声也被称为脉冲噪声。滤波的目的是要删除的冲动，使噪声免费的形象完全恢复与最小的信号失真。 最著名和最广泛使用的非线性数字滤波器，基于高阶统计量是中值滤波器。中值滤波器以他们的能力，而不会损坏边缘去除脉冲噪声而著称。中值滤波器以他们的能力，去除脉冲噪声，以及保留边缘著称。 有效清除的冲动往往会导致图像的模糊和扭曲功能。理想情况下，过滤应该只应用于已损坏像素同时保持廉洁的像素不变。无条件地跨整个图像应用中值滤波作为实践在常规方案中会不可避免地改变强度并删除廉洁像素的信号细节。因此，两袖清风的像素和应用非线性滤波前的已损坏的像素之间的歧视噪声检测过程是非常可取。 自适应中值是一"基于决策"或"开关"筛选器，第一次用于标识可能的噪声像素，然后替换它们