这个项目将视频分成基于场景的数量连续两帧之间的运动

图像平滑处理，主要是平滑算法，对于初学opencv实现的人来说是个很不错的例子。

包括了拉普拉斯金字塔的matlab数字图像融合代码以及小波变换的融合代码，一些小波函数的功能描述并且给出了详细的例子，对于初学者有很大的帮助

迷宫规划求解使用 matlab.only 中的图像处理提供输入的图像文件，您将得到以下输出

能实现高密度人群的检测和人员的跟踪–基于背景差的运动目标检测、分割方法难以奏效 .利用Adaboost分类器在带状区域中检测行人头部 ，•柔性较好，针对不同的应用场景参数调整较少•实时性好，普通PC上实现30FPS的检测速度•统计准确率较高–密度低时能达到90%以上的准确率–密度高时能达到70%以上的准确率 

打开一BMP图像，对图像进行滤波，采用3*3、5*5窗口大小的进行均值、中值滤波；对图像边缘检测，采取sobel算子、梯度算子、拉普拉斯算子等算法；对图像进行分割，采取固定阈值分割、最大类间方差分割等等。希望对大家有用！

本程序代码是在VS2010下opencv的GPU编程，通过简单的示例可以了解到如何使用opencv进行GPU编程，此项目是在配置环境为opencv2.4.9+vs2010。如果你的配置环境有误就有可能运行不了，opencv_gpu.cpp内容可以在其他系统的相关条件下同样可以运行。

matlab练习程序（图像马赛克）处理原理就是将邻域像素平均值赋给邻域中的所有像素。这里将处理方法分为了带线条和不带线条，带线条处理后的视觉效果要好些。 

DirectShow编程技术资料，word主要关于directshow的基础知识，在这个知识的基础上可以做图象处理，视频处理。是图像处理和模式识别的必备基础知识。。                                                                                                     

应用背景作为一个涉及计算机视觉、图像处理、智能控制等多门学科的研究前沿,智能视频监控技术已经成为国内外计算机视觉研宄领域热点问题之一,它的研究有着非常重要的科学意义和极其广阔的应用前景。运动目标的检测与跟踪作为智能视频监控最关键技术之一,其待解决问题的挑战性和技术复杂性吸引着、鼓励着众多计算机视觉研宄人员投入该科研行列。 关键技术本程序是基于visual c++利用模式识别技术实现场景中运动目标的分析，包括目标检测和跟踪两个过程。其中目标检测采用了帧差法，目标跟踪采用了Mean Shift法。本程序是数字图像模式识别技术详解这本书第十二章运动图像分析的程序。在visual c++6.0上就能实现。

用于三维重建算法的源代码，里面是我对标定算法，特征提取算法，匹配算法和三维重建算法的一系列的改进，特别是对图像匹配算法利用划分区域的方法进行改进，取得了很好的匹配效果。在保证正确率的条件下，使得匹配速度得到了很大的提高。希望对广大的码农们有点有用处。