基于Gabor特征提取和人工智能的人脸检测系统源代码

本算法为模糊增强算法在图像处理领域的应用， 使图像的边缘信息更加明显，图像清楚，能够更好的处理高频信息。在包含源码的同时，附上代码处理前后的对比图片，有助于对此代码进行深度理解。

无背景透明播放flash程序c++源码vs2010FLASH，可以播放flash达到无背景透明的效果，编译通过。

这是我自己做的一个视频音频编解码的程序。视频的编解码是使用的FFMpeg做的，包括环境的配置和引擎的初始化。音频的编解码采用的事faad和faac。另外视频的采集用的是opencv，不过用的是IPImage而不是CVMAT，凑活着用吧

sift代码主要实现在sift.c这个文件中：首先创建初始图像，即通过将图像转换成为32位的灰度图像，然后将图像进过三次插值放大，之后进行高斯模糊，在此基础上进行高斯金字塔以及高斯差分金字塔的构建，下一步对图像进行特征点检测，计算特征向量的尺度，调整图像大小，计算特征方向，计算二维方向直方图并将其转换成为特征描述子。在输入参数中，img表示输入图像，feat表示提取的特征指针，octvl表示高斯金字塔和高斯差分金字塔的组数，的intvl表示高斯金字塔和高斯差分金字塔的层数，sigma是初始化过程中高斯模糊所使用的参数，contr_thr是归一化之后去除不稳定特征的阈值，curv_thr是去除边缘特征的主曲率阈值，img_dbl是是否将图像放大为之前的两倍，descr_with是计算特征描述子方向的直方图的宽度，descr_hist_bins是直方图中的条数。

此函数可实现 2-D 双边滤波使用中描述的方法：C.托马西和 R.曼杜基。适用于灰度和彩色图像双边滤波。在计算机视觉、 1998年 IEEE 国际会议论文集。

该源码实现的功能是实现手写数字识别，是实现OCR功能的关键代码。现在上传，希望对大家有所帮助，该代码试用C++语言进行编写，内部包含多种算法的代码，可以进行多种识别方法的比较。

sift算子是由D. G. Lowe在1999年提出，2004年完善的一种特征提取的方法，它主要有四个阶段：1）尺度空间极值检测（运用到Gauss函数和difference-of-Gaussian ）2）关键点定位3）定向分配（运用方向直方图，找到一个主方向，主方向的峰值的80%为辅，增强鲁棒性）4）关键点描述符

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

vc实现 高斯模糊算法处理，可完美实现图片高斯模糊效果。 VC realization of Gauss fuzzy algorithm processing, can achieve the perfect picture of Gauss fuzzy effect.

冈萨雷斯《数字图像修复》所有Matlab代码，绝对真实。