复杂条件下的视频增强算法研究与设计

Adaboost 是一种二元迭代算法，其核心思想是针对同一个训练集训练出若干若分类器，然后把这些弱分类器集合起来，构造一个更强的强分类器，使得识别效果更佳。Adboost算法常常用在计算机视觉与模式识别领域的研究课题中，如人脸检测、人机交界、目标检测等。Adaboost算法不仅计算复杂度低，而且是一种高精度分类器，不会出现过拟合现象。

应用背景图切算法是组合图论的经典算法之一。近年来，许多学者将其应用到图像和视频分割中，取得了很好的效果。本文简单介绍了图切算法和交互式图像分割技术，以及图切算法在交互式图像分割中的应用。关键技术 交互式图像分割是指，首先由用户以某种交互手段指定图像的部分前景与部分背景，然后算法以用户的输入作为分割的约束条件自动地计算出满足约束条件下的最佳分割。典型的交互手段包括用一把画刷在前景和背景处各画几笔以及在前景的周围画一个方框等。

绘制灰度直方图，实现直方图均衡化和直方图规定化,灰度图像的对比度增强,图像的几何变换,图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理. 利用matlab中的GUI向导建立界面，然后写回调函数，实现各个算法的功能。包括图像读取、保存、关闭、灰度化、图像二值化、图像增强、图像几何变换、图像边缘检测。

Matlab粒子群优化算法工具箱。 PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。

帧差法的源代码，为c++语言编写，属于图像处理类，并用最新 Mat格式 编写。 帧差法就是在图像序列相邻两帧或三帧间采用基于像素的时间差分通过闭值化来提取出图像中的运动区域。 首先，将相邻帧图像对应像素值相减得到差分图像，然后对差分图像二值化，在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阂值时， 可以认为此处为背景像素:如果图像区域的像素值变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记为前景像素，利用标记的像素区域可以确定运动目标在图像中的位置。

三个控制点的b样条曲线，会输出插值数，每隔一个点，会在曲线上标出。显示用opengl。

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

在视频显示任务的循环中，程序首先将视频数据从输入缓冲区读入自己开设的临时图像处理缓冲区，再在临时图像处理缓冲区上进行处理，处理后的数据再输出到输出缓冲区。这是购买合众达的DM642开发板时提供的源代码。

跟踪不同数量的非刚性物体有两个主要问题。首先，观测模型和目标分布可能是极度的非线性和非高斯性。其次，大量不同数量的对象的存在创造出带有重叠和模糊的复杂相互影响。为了克服这些困难，我们引入了一套能研究、检测、跟踪参与的对象的视觉系统。

立体相机校准源