目标跟踪 opencv2.4.8 vs2010

应用背景本科毕业设计，题目为 《基于深度学习的车辆识别系统》。本代码为对图片的批量处理，将图片用opencv转换为文本数据形式。关键技术对图片进行批量转换，由于深度学习模式是对向量进行学习，本处代码主要为将指定文件夹内的图片全部转换为0~255间的数字组成的向量，并存到文本中

这是一个利用MATLAB进行合成孔径雷达点目标仿真的典型程序，主要采取了距离-多普勒成像算法、chirp-scaling成像算法，并且还对成像性能包括积分旁瓣比、峰值旁瓣比作了仿真分析

通过使用 cuda 的 Jpeg 2000 年执行。 -转换为 BMP-> 与您的 NVIDIA GPU JPEG2000 -命令行工具和 CUDA/c + + 库 -为有损和无损编码 -最快的开放源码 JPEG2000 编码器之一： 将编码 27 200 万像素 -RGB 图像在 4.0 秒 (有损) / (无损) 在 280GTX GPU 上的 6.2 秒

冈萨雷斯《数字图像修复》所有Matlab代码，绝对真实。

视频图像处理，目标跟踪，以背景差分法分离出了前景和背景。背景建模，运动物体检测。Video image processing, target tracking, background

实习说明 本实习将在所学数字图像处理理论的基础上进行实践教学，分为两个部分:（一）基础实习，要求学生必做；（二）综合性实习，学生可以自主选择其中的某一单元进行训练。 实习项目及时间分配 （一）基础实习（必做）：位图文件读取、显示和存储 1、学时分配：1周

自己写的Matlab程序，实现了Canny算子对于图片的边缘检测功能。步骤分为：1，为源图像进行高斯低通平滑滤波。2，计算梯度幅值图像和角度图像。3，为图像进行非最大值抑制。4，用双阈值处理和连接分析来检测。

资源描述 苹果电脑上将视频转为gif动图的小工具

应用背景在自动识别方面的研究主要集中在统计方法上。这已导致的规范和提取的统计特征，如运行长度分布，倾斜分布，熵，和边缘铰链分布。边铰分布特征优于所有其他统计功能。边铰分布是一种特征，其特征是一个书写方向的变化手写文本中的笔画。通过一个窗口，提取的边缘铰链分布滑动过的边缘检测到的二进制手写图像。每当窗口的中央像素是在，这2个边缘片段（即连接序列的像素）从这个中央像素出现被认为。测量和存储的方向作为对。联合概率分布是从一个大样本，这样对。关键技术我们改进了劳伦斯范德华maaten优秀的包装可在http://www.cs.unimaas.nl/l.vandermaaten/laurens_van_der_maaten/software.html笔迹鉴别。我们认为一个完整的二维概率分布，需要考虑的角度，对所有可能的组合，比原代码。代码已经使用我的笔迹数据库的测试，可以在HTTP：/ / www.iam。unibe。CH / ~ FKI / iamdb /。关键词：MATLAB源代码，识别，，作家，作家匹配，作者验证，在线作家识别，边铰链，手写，手写。

采用误差反向传播算法的神经 networkk 培训。回 propagagtion 算法用于训练神经网络.backwards 的输入的验证