一种基于区域显著性的红外图像目标分割方法

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

skyline完整范例源码下载（vs2005）共15M，刚写好文件部分，也不算太完善，碰巧有人问起，遂贴上代码大家看去，你可以在此基础上完善之。 代码没什么WS技术，但做文件沙盘还是有不少问题的，需要的朋友可以下-Written before the planned sand table system, just part of the written document, but also not too perfect, someone happened to ask, accordingly paste the code we looked, you can improve on this basis, the. Code no WS technology, but do still have many issues paper sand table, and we need friends can, under 

caffe学习笔记4_学习搭建自己的网络——MNIST在caffe上进行训练与学习学习笔记1_CIFAR-10在caffe上进行训练与学习学习笔记2_用一个预训练模型提取特征学习笔记5_逐层可视化图像特征

本源码是基于《A texture-based method for modeling the background and detecting moving objects》一文实现的，该方法是基于图像中各个像素点的建模方法，提取的纹理特征的方法为LBP直方图，每个像素点的背景模型中包含K（一般为3或5）个LBP直方图，在后续处理中每来一帧时先进行前景检测，然后更新背景模型，如果当前像素点的LBP直方图和其背景模型中的任何一个直方图都不匹配时，就把权值最小的那个直方图替换成该像素点当前的直方图，并且设置其权值为一个很小的值，如果当前像素点的LBP直方图与其背景模型中的某一个最匹配时，就更新那个最匹配的直方图，并且更新其权值，背景模型中的其他直方图只更新权值。更新完之后进行权值归一化，根据权值大小进行排序。

利用C语言对图像进行加噪处理 （椒盐噪声），以及对图像进行边缘提取，检测。

边缘检测算法喜欢罗伯茨、 空降和普鲁伊特运算符可以用于更多灰度梯度和 噪音。对于检测对角边缘 Sobel 运算符是更加敏感。另一方面，普鲁伊特运算符是更多 敏感的水平和垂直边缘。康力的运算符基于三个标准。第一个条件是使用 为疏导图像的高斯函数。二是一阶导数的最大值对应于 最小的一阶导数。换句话说，这两个点用灰度 （强边缘） 和点的戏剧性变化 稍有变化的灰度与对应于第二阶导数零交叉点。因而这些两个阈值为 用于检测弱边缘和强边缘。康力的算法不是容易受到噪声干扰的事实 使其真正弱边缘检测的能力。所以 Canny 的算法是边缘检测优化算法。

该代码可以用AES算法对图像进行加解密

应用背景一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条件的随机感知矩对多尺度图像特征进行降维，然后在降维后的特征上采用简单的朴素贝叶斯分类器进行分类。该跟踪算法非常简单，但是实验结果很鲁棒，速度大概能到达40帧/秒。关键技术压缩跟踪算法： 输入：第t帧图像 1、在t-1帧跟踪到的目标位置It-1的周围（也就是满足Dγ={z|||l(z)−lt−1||

应用背景一段运行程序小代码，包括一些不同算法下的画圆和画直线代码，可以直接运行。关键技术在vs2008环境下用C++编写的程序代码，里面含有中点画圆，中点画椭圆，中点划线，brssensham画线等程序，可以直接运行。

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