HMM隐马尔可夫模型

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。

在许多应用程序如地学研究、 天文、 地理信息系统使用卫星图像。在图像中最重要的质量因素来自于其决议。卫星图像增强技术利用离散小波变换和奇异值分解。这一技术将输入的图像分解为四个频率子波段，利用离散小波变换和也估计奇异值矩阵的低-低子带图像和均衡通过逆离散小波变换增强的图像。图像分割技术应用于图像增强过程后该模型采用多区域分辨率和马尔可夫随机场技术提高分割精度，提高图像的质量和它降低噪声的卫星图像。

不用系统的拍摄界面  自己定义拍摄显示大小 可实时显示拍摄到的画面   保存文件

C++实现的人脸检测与识别定位功能，主要使用基于HOG特征点的人脸检测，结合神经网络学习算法，训练特征数据，来实现人脸特征部位的检测与定位功能。代码包含整个工程，可以运行，效果不错，给大家分享一下！

自组织特征映射（SOFM）学习对输入向量进行分类，根据它们在输入空间的组合规律。自组织映射在竞争层不同于在该相邻的神经元中学会识别的输入空间的邻接部。因此，自组织映射学习神经元分布（就像竞争层）和都是受过训练的输入向量的拓扑结构。本代码是关于自组织特征映射的c++代码，实现了聚类的功能，可以帮助初学者理解神经网络的相关变成内容

灰度图，阈值判断，根据输入的图像内容，计算出当前图片的阈值范围。如果当前的图片的值 大于67，表示图片没有芯片，如果小于60，则表示有芯片，先将图片内容反转，然后处理。注意图片边缘化的处理。返回值的范围大小，可以根据的图片的亮度进行调整。

目标检测和跟踪在许多计算机视觉应用中非常重要，包括活动识别、汽车安全和监控。在本例中，您将通过将跟踪问题分为三个独立的问题来开发一个简单的人脸跟踪系统：

在程序实际开发中，闪屏是我们经常用到的。如果程序初始化要一些时间，设计闪屏更加有必要，不但使你的程序也漂亮，还能在上面写上你的版本信息。好处是多多的。

本程序可以将彩色的rgb图像转化为gray灰度图像，而且速度很快，用C++语言编写，经测试没有错误，里面附有测试图片，欢迎下载。

应用背景使用VS+opencv 2.4.9中 进行运动物体跟踪时，现有的程序只是结合Camshift 程序而已，其缺点就是目标遇到遮挡的时候，容易丢失。为了解决这个问题，本人引入kalman知识，对目标运动进行实时预测，当目标遇到遮挡的时候，可以进行预测，这时候能提高鲁棒性。关键技术本文的Camshift + Kalman进行行人跟踪预测代码是基于opencv2.4.9进行编写的，可以直接拿来应用，非常方便。有兴趣的朋友，可以在本算法的基础上进一步进行优化。由于引入kalman知识，对目标运动进行实时预测，当目标遇到遮挡的时候，可以进行预测。