NMFLABIP 非负矩阵分解用于人脸识别

利用matlab编程实现对图像文件中的纹理进行提取，采用gabor方法，提取的纹理可以做分类或用于其他用途

资源描述这个程序是在vs2008和opencv中开发的，它能实现手势对ppt的控制，方便我们在平时工作或学习时用鼠标带来的麻烦，希望能帮到大家

使用c++编程语言，结合opencv库，分别采用拟合法和灰度重心法提取图像中圆斑中心，其中采用迭代法自动确定二值化阈值

应用背景我开发这个项目的C #。这个项目是实时检测移动对象。谢谢，有，有，有，有；关键技术你好，我用帧差法和轮廓检测法在这个项目中；谢谢

此代码将检测图像，然后使用肤色属性检测人脸

用于实现SPIHT算法的Matlab代码；

#include "hw_config.h" #include "usb_lib.h" #include "usb_desc.h" #include "usb_pwr.h" #include "timer2.h" #include "AL422.h" #include "OV7670.h" //测试发送数据 extern volatile unsigned char biaozhi; extern vu32 TimingDelay; //用于系统时钟

应用背景平均背景法是一种学习背景场景和分割前景目标的简单方法。这种方法只能用于背景场景中不包含运动部分。而且，这种方法还要求光线保持不变，比如室内静止场景。关键技术 在视频对背景进行建模的过程中，每2帧图像之间对应像素点灰度值算出一个误差值，在背景建模时间内算出该像素点的平均值，误差平均值，然后在平均差值的基础上+-误差平均值的常数(这个系数需要手动调整)倍作为背景图像的阈值范围，所以当进行前景检测时，当相应点位置来了一个像素时，如果来的这个像素的每个通道的灰度值都在这个阈值范围内，则认为是背景用0表示，否则认为是前景用255表示。

应用背景图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。关键技术现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。

该代码使用Hough森林的目标检测，采用mfc实现，算法实现高效、精准，对从事目标检测的人员非常有用。