卡尔曼滤波跟踪

静态场景下用于背景差分的背景建模，使用中值法构造背景，简单，高效，能快速构建出背景图像，已通过vc6.0和opencv1.0的测试，算法完整，易于后续的图像处理

Rob Hess用C语言写了开源的SIFT实现——OpenSIFT，且具有与原作者示例相差不多的运行性能。由于SIFT算

利用opencv 库函数bow类训练图片，提取surf特征点，用flann匹配，将特征点聚类成字典，设置每张图片的词典表示然后和要搜索的图片进行欧式距离计算，然后得到最近的那幅图即为要搜索的图片，

Matlab Code 为脸识别基于 LDA 算法-FisherFace- on orl_faces （图像人脸数据库）

源代码是将摄像头采集到的图片进行保存和传输的，因为是医学图像使用，所以一切都是遵循DICOM的标准的，使用者可以参考里面的保存和传输等内容，肯定会有收获的。

使用说明：第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中该系统的识别率一般为90%另外，也可以单独对打开的图片一步一步进行图像预处理工作。但要注意，每一步工作只能执行一遍，而且要按顺序执行。步骤为：“256色位图转为灰度图”“灰度图二值化”“去噪”“倾斜校正”“分割”“标准化尺寸”“紧缩重排”另外注意，要识别的图片，要与win.dat、whi.dat位于同一目录。此两文件保存训练后网络的权值参数

资源描述标记视频中的人脸，将视频中每一帧转换为图片，然后检测

3D图像的旋转算法

matlab练习程序（矩形变换为单连通形状）变换使用的模板必须是单连通的，而且模板中心必须在模板内，如果在模板中打个结或是月牙形，这里的程序就处理不了了。虽然非单连通模板也有办法处理，不过不是这里要讨论的。这里用到的方法和矩形变换为圆那片文章中用的方法几乎一样，变换前后像素按比例缩减，不过在判断弧度和图像边界到模板中心距离时略有不同。变换为圆时弧度可以直接计算出来，而变换为任意形状只能算出一个最小相似值。至于图像边界到模板中心距离只能分八种情况判断了，处理圆时可以根据对称性简化程序，这里似乎没有什么好办法简化。变换细节上，那篇文章中使用的是正向插值，这里使用正向插值则会产生很多空洞，因此选择了更常见的逆向插值。

本源文件使用c++将yuv数据转为264格式，本源文件使用c++将yuv数据转为264格式，本源文件使用c++将yuv数据转为264格式，本源文件使用c++将yuv数据转为264格式，本源文件使用c++将yuv数据转为264格式