基于HOG + SVM的人脸识别代码（c + +）

里面两个函数，一个是图像下采样的函数，另一个是负责调用，以及采样后还原到原图进行误差评测的函数。调用后者即可。

应用背景在不同背景下提取手势的二值图像，这里主要在背景不怎么变化的情况下，通过划分前景背景提取出手势图像。关键技术利用多帧平均建立背景模型，然后就是滑动平均法实现背景的实时更新。

这是OpenCV中将IplImage格式的图像在MFC上显示用的类，比OpenCV中的CImage的兼容性更高，代码中带有详细的注释，自己可以看注释轻松的完成在MFC上显示IplImage图像的程序

该代码可以用AES算法对图像进行加解密

应用背景二维最小均方滤波(TDLMS)实际上是一种典型的自适应线性预测算法，它在预测过程中采用了最小均方误差准则。当红外图像的背景具有强相关性时，二维最小均方滤波是行之有效的方法。关键技术经过上述自适应滤波处理后，将预测背景与原图像差分即可获得抑制背景后的目标图像。这种预测算法的特点是结构简单，速度快，并且能够使差分图像信噪比得到较大的提高。

应用背景opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行，opencv检测圆的程序，可以直接运行关键技术进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换，进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换进行霍夫圆变换

#include "stdafx.h"#include #include "windows.h"#include "fstream"#include using namespace std;using namespace cv;//为了方便，这一部分是利用提取HOG特征，SVM对图片进行分类。int _tmain(int argc, _TCHAR* argv[]){     vector img_path;////输入文件名变量       vector    img_cat;//category类型     int nLine=0; //定义行     string buf;     ifstream svm_data("C:UsersdellDesktopCharRegCharReghb1.txt");     //训练样本图片的路径都写在这个txt文件中使用bat批处理文件可以得到这个txt文件.      unsigned long n;      while (svm_data)  //将训练样本文件依次读取进来         {          if (getline(svm_data,buf))

此代码创建从输入图像的向量。您可以创建了很多向量（部分图片是干净的，有些是含有消息），然后训练分类像SVM这个载体。在这个时候你的SVM网告诉你，其他的输入测试向量是干净的，或包含的信息。主要的可执行文件是ccc300.m。

一个jpeg2000的实现代码，用c写的，经过小小的修改就可以直接使用。还没弄好图形界面，有空的亲可以亲自去弄弄吧

isodata是一种非监督分类，又叫迭代自组织分析，通过设定初始参数而引入人机对话环节，并使用归并与分裂的机制，当某两类聚类中心距离小于某一阈值时，将它们合并为一类，当某类标准差大于某一阈值或其样本数目超过某一阈值时，将其分为两类。在某类样本数目少于某阈值时，需将其取消。如此，根据初始聚类中心和设定的类别数目等参数迭代，最终得到一个比较理想的分类结果。这里是它的的matlab程序，套用性强，容易移植