Scale-invariant feature transform

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。

IMTRANS - Homogeneous transformation of an image. Applies a geometric transform to an image [newim, newT] = imTrans(im, T, region, sze);

目的： 若要编写一个程序，直方图绘制的图像。 理论： 图像的直方图是情节的灰度级出现数量 反对的灰度值的图像。直方图提供了便利的表达方式 在一个图像，但它的强度是无法传达任何有关空间关系信息 之间像素为单位）。直方图提供了更好地了解有关图像的对比度和亮度。 将朝着低灰度级别的值而聚集暗图像的直方图 明亮的影像将朝着更高的灰度级聚集。同样的一种低的直方图 对比度图像不会被同样传播和高对比度图像直方图会有 平等的信息传播中的灰色的级别值。 数字图像的灰度级在 [0，L 1] 范围内的直方图是离散 函数 h (r k) = n k，哪里是 k 是第 k 个灰度级别和 n k 是图像中的像素的数目 具有灰度级 r k。直方图被规范化除以每个其值的总数 n 图像中的像素，由表示 n.Thus，归一化的直方图鉴于由 P (r k) = 为 nk k=0,1.L-1。P (r k) 给出灰度级 r k 的发生概率的估计的值。

蚂蚁 clony 聚类算法在图像分割、 Lumer 和 feita 都有实现这种算法对数据聚类

包含了10篇运动车辆检测和阴影消除的小论文，对于做智能交通很有帮助，希望可以帮到大家。

对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处理以及特征提取两个模块中，加入了 OpenCV（微软开源视觉库）函数库，在运行的效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实时处理的设计准则。

应用背景灰度形态学是数学形态学处理扩展到灰度图像的基本操作与二值形态学不同的是,灰度形态学处理的是灰度数字图像而不是集合。关键技术Top一Hat运算是原始图像信号与其开运算后的信号之差,所以经Top一Hat变换处理后的图像,能抑制平缓变化的背景和不相关结构信息,提取出形状类似于结构元素的孤立目标和噪声,即可以检测出图像信号中的灰度峰值,因此Top一Hat算子具有高通滤波的特性。

混合高斯模型背景建模实现的运动前景提取(MixGaussExtractForeground)，VS2008+OPENCV实现工程，可以使用，简单方便易懂，注释清晰，i附带测试视频，是学习混合高斯模型背景建模和运动检测的好东西。

将视频分割成一帧一帧

基于OpenCV的方向选择滤波，其中的高斯滤波的核存放在文件中。Windows平台开发，角度Theta的选择通过15 个邻域的梯度求解。