匹配滤波匹配滤波匹配滤波

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情况下为90%。此外，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。具体步骤为：“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”。注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。具体使用请参照书中说明。

应用背景加噪声的蕾娜图，经过中值滤波处理后输出像素值矩阵，保存在txt中。从MATLAB里读出txt像素值，重置矩阵后输出处理后的雷娜图（降噪）关键技术中值滤波算法核心是取9个值（文件中是3*3窗口）计算出中值输出，需要大量的FIFO。ISE文件中已经编写好并通过综合，可以直接使用。使用时注意更改路径。

这是对于在所撰写用matlab光学字符识别。这代码的一个例子。光学字符识别（OCR）的目标是光学图案分类（通常含有在数字图像）相对应的字母数字或其他字符。 OCR的过程包括几个步骤，包括分割，特征提取和分类。每这些步骤本身就是一个场，并简要介绍了这里的Matlab的背景下实现OCR的。

能够得到双目摄像机的差异图，用于提取两幅图的深度信息。通过匹配，计算时差，由时差和深度的关系，计算得到深度信息。差异图的计算中，匹配采用块匹配，计算为差异信息，增加了能量函数作为度量。输入参数为视差范围。

人脸识别是研究的关键领域之一。它有许多应用程序和使用。许多方法和算法提出了像 3D 人脸识别等。 人脸识别来下像视网膜、 虹膜、 指纹等生物特征的识别。张脸的特征被称为生物 标识符。生物特征识别不很容易伪造、 放错位置或共享访问通过生物特征识别，因此 标识符给了我们更好地保护的方式提供服务和保障。我们还可以开发很多聪明的人 应用程序可能会提供安全和身份认同，我们提出一种新型脸识别使用的方法 RobustPCA 和径向基函数网络。这些系统可

HIS彩色空间阈值分割方法    为了克服光照的影响，目前大部分侦测算法都先将图像由RGB彩色空间转换到HIS彩色空间，再进行彩色图像的分割。这是因为在HIS空间，色调(Hue)和色饱和度(Saturation)信号与亮度(Intensity)信号是分离的，利用色调信号和色饱和度信号进行分割，可完全消除光照的影响。其中N．Kehtarnavaz等人是在HIS彩色空问通过设定色调分量、饱和度分量的阈值范围，侦测出红色区域作为禁令标志的可能区域，得到的红色区域的阈值范围为3 sH≤56°，S>15，I

对输入的图像进行二维离散小波变换。使用 Daubechies 系列 1，并可通过看在.zip 文件中的 WD1.py 文件中定义下载的 WD1 模块验证。对不起，没有 README.txtThis 可用于图像处理应用程序如增强和特征提取

我们检测到的边缘图像进行8个方向。 更换图像加载命令PLS。

对avi视频，奖每一帧抽取出来变成担负图像，存储的图像时bmp格式，软件已经是过多次，非常好用，请下载使用

本代码完全使用自己编写的代码实现canny算子提取边缘，并与MATLAB自带的canny算法进行比较，