遗传算法

资源描述实现的adaboost训练分类器详细过程，可配合adaboost算法实现一起使用

非负矩阵分解是今年来提出的一种新的方法，其在图像处理，机器学习，模式识别，高光谱图像解混等领域都有很广泛的用处。这里是将它用在人脸识别上！

学习数字信号处理时，基于时间的离散傅里叶变换和基于频率的离散傅里叶变换及其对应的逆变换，非常重要。下面程序实在VS的平台上运行的程序，希望对大家有用处。次程序集合了三个程序为一体，更简洁实用。

本代码使用直方图均衡对图像进行处理，压缩包里有自带的测试图片，效果很好，图像明显变亮

程序主要是验证图像处理的一些算法，主要对印刷体汉字识别方法做了较为深入的研究，研究讨论了印刷体汉字的行切割以及列切割，同时研究了通过BP神经网路识别汉字的方法。首先，首先利用高斯平滑滤波器，对图像进行平滑处理，去掉了一些不必要的干扰。然后使用全局阈值法来进行二值化处理，随后分别利用水平投影和垂直投影相方法来对印刷体汉字进行行切割和列切割，最后通过已经训练好的BP神经网路对汉字进行识别。这个系统还有不是很完善的地方，一是它的识别精度还不是很高，这是因为没有采用特征提取的方法，只是简单的使用像素匹配的方法来对汉字进行识别；二是系统不是很稳定，有的时候设置同样的参数前后识别的结果就不相同。

利用RTP/RTCP协议线程的几个例子，适用于初学者，希望对大家有帮助！RTP/RTCP协议是居于UDP传输的-

 LPBYTE lpSrc;   // 指向原图像的指针   long i,j;   //循环变量   int gray[256]; // 灰度计数  BYTE pixel; //像素值  LPBYTE lpDIBBits=m_pDib->GetData();//找到原图像的起始位置  LONG lWidth=m_pDib->GetWidth();    //获得原图像的宽度  LONG lHeight=m_pDib->GetHeight();  //获得原图像的高度  // 灰度计数变量初始化  memset(gray,0,sizeof(gray));  //逐个扫面图像中的像素点,进行灰度计数统计  for(j = 0; j

计算 2 图像之间的单应矩阵。 使用 Homorgraphy 矩阵创建全景图像。

局部二值模式LBP（Local Binary Patterns）是一种从局部纹理定义中衍生出来的算法，所谓的纹理是图像分析中常用的鉴别特征，它所含有的信息能够表征物体表面的变化。自1996年Ojala 等人提出LBP算子以来，由于其优秀的分类特性和计算的简便性，使得其广泛的运用于图像检索、人脸分析和工业检测等领域。本资源是LBP人脸识别的实现代码。

图像的特征用到了Dense Sift，通过Bag of Words词袋模型进行描述 ，用BoW描述完图像之后，就可以用SVM训练分类模型进行分类。这里除了用SVM的RBF核，还定义了一种核： histogram intersection kernel，直方图正交核。实验中的图像是一些Action的图像，共6类，每一类60幅，40训练20测试。