复杂条件下的视频增强算法研究与设计

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。该实验从视频中检测出人手并定位手的区域。

本代码实现的是图像处理中的gamma校正，在图像处理中通常会发现图像太暗后者图像太亮，这是就要通过gamma校正得到合适的亮度，这样就有利于后续的图像处理。

在许多应用程序如地学研究、 天文、 地理信息系统使用卫星图像。在图像中最重要的质量因素来自于其决议。卫星图像增强技术利用离散小波变换和奇异值分解。这一技术将输入的图像分解为四个频率子波段，利用离散小波变换和也估计奇异值矩阵的低-低子带图像和均衡通过逆离散小波变换增强的图像。图像分割技术应用于图像增强过程后该模型采用多区域分辨率和马尔可夫随机场技术提高分割精度，提高图像的质量和它降低噪声的卫星图像。

CMT源码，实时摄像头可运行，提取特征点，通过特征点之间拓扑结构变化，判断目标物体的动作变化，使用Python语言进行编程。

DirectShow编程技术资料，word主要关于directshow的基础知识，在这个知识的基础上可以做图象处理，视频处理。是图像处理和模式识别的必备基础知识。。                                                                                                     

代码是在李春明教授的Drlse模型上改进而来，用基于区域的符号压力函数替代边缘指示函数，并设置了可变权系数，使初始轮廓线只要位于图片上，无论与待分割目标位置关系如何（目标区域内、外、横跨 ），都能得到很好的分割效果。

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。

这是一个基于摄像头的Arm单片机开发的系统程序，具有非常大的所用价值                                                  

图像的灰度阈值变换、灰度窗口变换、灰度拉伸、直方图均化以及图像的平滑和中值滤波等都是数字图象处理中较为常用的算法。通过实现不同的算法来直观的看到图像处理结果，但是只能处理256位灰度图。

在医学图像处理领域。大脑分割在诊断许多疾病方面有着各种重要的应用；