对象跟踪使用 latensvm

本程序是极化图像的分割中实用的wishart方法，先用H、A方法将图像分割成为9各区域，然后用该方法进一步处理，并且最终输出结果

该程序是针对大屏幕、高分辨率多投影显示系统中存在的多投影重叠区域出现高亮度现象进行亮度融合处理，里面根据不同投影机的编号及重叠区域的分布分别提供了不同的计算方法，计算方法主要分三个部分（投影机的位置、亮度衰减方向和选用的亮度衰减函数）。其中投影机的位置分为左投影机、右投影机和中间投影机；亮度衰减方向分为水平方向和非水平方向；衰减函数分为线性衰减和二次拟合衰减函数。

可以使用MATLAB将多幅图像或屏幕截图转换为avi图像，简单实用捕获的图像文件在您的计算机或互联网:如果例如IMAGE_URL = = c:。png”那么这个形象用于捕获的视频源。当然,这只会让的感觉如果在捕获过程中文件更改的内容。你也可以使用一个图像url等来捕获网络摄像头或气象卫星图像。

应用背景 视频捕捉的对象中，背景通常保持不变。一般分析中关注移动的前景物体，威力提取出前景物体，需要建立背景的模型，将模型和当前帧进行比对检测前景物体。前景提取应用非常广泛，特别是在智能监控领域中。 关键技术 具体的实现过程主要分为两部分：一部分是调用absdiff函数找出当前图片和背景图片的区别，这之中使用了threshold函数去除为前景，当前图片像素与背景图片像素变化超过一定阈值的时候才认定其为前景；另一个工作是更新背景图片，调用函数accumulateWeighted，根据权重参数可以调整背景更新的速度，将当前图片更新到背景中，这里巧妙利用得到的前景提取结果作为mask，在更新背景图片的过程中避免了前景的干扰。

本代码是利用凸优化对L1范数进行优化，从而达到对系数图像去噪的效果，输出为去噪后图像以及噪声图像，本代码对椒盐噪声去除效果尤为明显

我们目前的建筑场景，基于检测和代表当地对称性图像中提取局部特征的新技术。这些新功能的动机是当地的对称性，在不同尺度下的很多城市的形象，一个基本特征，也可能更具有不变性大外观变化比低级别功能如 SIFT 的事实。因此，我们将这些功能应用问题的挑战性成对的城市场景的照片。我们的特点基于本地双边和旋转对称性计算使用局部图像操作的简单的措施。这些措施用为特征检测和计算描述符。我们证明我们对具有挑战性的新数据集包含图像对参展的照明、 年龄和渲染风格的戏剧性变化范围的方法，表明我们的功能可以提高这一艰巨任务的匹配性能。

资源描述模板匹配是目标识别的基础，在目标图像中寻找与已知物体灰度一致性最大的区域，并识别出来

中值滤波(num*num)、自适应中值滤波、改进版自适应中值滤波，支持24位图和256色图

资源描述 实现了camshift对目标的动态跟踪

资源描述一个基于Qt平台的c++入门图形转换显示的小程序,有助于新手入门图形转换.