FPGA实现图像1/4 ~ 4倍的图像缩放，可选缩放区域

利用 opencv 和 haar 分类器的人脸检测。 这是一种代码包含 opencv 的训练，利用 haar 分类器分类器比检测的面孔中不同的图片，可以做为一部电影的不同帧。

利用三角形神经元，实现仿生模式识别算法中的样本空间覆盖，并以此实现测试样本的分类，程序在获取外界图像后可实现样本分类。

应用背景无人机的应用越来越广，尤其是在摄影测量领域，利用无人机获取正射影像是全国测绘、国土勘测部门的常规手段，本程序利用GDAL进行正射影像镶嵌，生成大面积的正射影像图，大家可以借鉴，相互学习关键技术利用GDAL进行图像镶嵌，镶嵌线是基于面Voronoi图生成，生成算法基于opencv。可以对带有tfw信息的图像进行带拼接线的镶嵌

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

实现图象的平滑（去噪声），锐化。，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中所要提取的汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰

VC6.0实现读写R12版本dxf文件并显示，读写过程中能将圆弧替换为直线，并基本保证原有形状！

这个程序使用拉普拉斯滤波器和高斯滤波器对锐化图像，图像处理的像素使用指针

逆透视变换效果展示，输入图像格式为*.ppm，输出结果为转换后的鸟瞰图，算法中需要相机拍摄图像时候的内外参数，这样转换出来的效果才更准确。

本文采用camshift和kalman.的算法 ，可以实现单目标的跟踪。需要采用鼠标选取跟踪区域，希望对大家有一定的帮助

正交匹配追踪算法，在分解的每一步对所选择的全部原子进行正交化处理，这使得在精度要求相同的情况下，OMP算法的收敛速度更快。MP一般只能满足第k个残差和xk正交，这也就是前面为什么提到“信号(残值)在已选择的原子进行垂直投影是非正交性的”的原因。如果第k个残差和fk不正交，那么后面的迭代还会出现fk中已经出现的项，很显然fk就不是最优的，这也就是为什么说MP收敛就需要更多次迭代的原因。不是说MP一定得到不到最优解，而且其前面描述的特性导致一般得到不到最优解而是次优解。那么，有没有办法让第k个残差与正交，方法是有的，这就是要谈到的OMP算法。