用Matlab实现了五种模糊图像复原方法

里面包含了好几个m文件，基本都有注释。。很容易看懂，并且可以根据自己的需要修改添加参数。可以作为毕业设计的参考。不过对于图片的选择自己要注意，尽量不要选择整幅图都是同种颜色的

降低过分割的产生，主要从两个方面着手：1) 在进行分水岭变换前，通过对图像滤波，标记提取等手段抑制噪声引起的过分割；2) 在分水岭变换后，通过一定的合并准则，

在监控场景中用kalman滤波对目标轨迹进行跟踪预测，kalman滤波的两大步骤是预测和更新，当场景中由于遮挡等原因目标跟踪丢失得到轨迹片段，用kalman对缺失的轨迹点进行预测，kalman两大假设前提是高斯、线性。对于非高斯非线性系统不适用，目标运动建模是满足匀速运动

运动估计代码.里面有源图像和运行结果.对写论文应该有帮助

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(SequentialImportance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式的概率密度分布。

数字图像处理(冈萨雷斯matlab版)工具包 提供了很有帮助的函数库 对于实现书上的例子和，程序验证很有帮助，并对实际的工程开发也有一定的帮助

灰度图，阈值判断，根据输入的图像内容，计算出当前图片的阈值范围。如果当前的图片的值 大于67，表示图片没有芯片，如果小于60，则表示有芯片，先将图片内容反转，然后处理。注意图片边缘化的处理。返回值的范围大小，可以根据的图片的亮度进行调整。

在彩色空间中，皮肤颜色的分布较为集中，与其他景物颜色间有较好的可区分性，可以用模型描述或对样本进行学习的方法加以判别。图像中皮肤颜色的差异主要由光照引起，在检测中只考虑色度信息，就可以减少光照的影响，使肤色的分布更趋集中。通过检测皮肤区域，可以缩小人脸的搜索范围，提高检测速度。HSV空间是RGB空间的非线性变换，它将原本相关性很强的R、G、B值转换为相关性较弱的H、S、V值，H和S分量与人感受色彩的方式相一致。HSV颜色空间可以用一个圆锥空间模型来描述。

         static double[,] YUV2RGB_CONVERT_MATRIX = new double[3, 3] { { 1, 0, 1.14 }, { 1, -0.39, -0.58 }, { 1, 2.03, 0 } };      

  图像反转, 自己编写的程序，已经经过难证，程序能够运行出正确的结果，希望对各位有帮助。