图像处理

资源描述人脸识别，基于VC和openc的图像处理，包含摄像机调用等

二维雷达成像算法MUSIC ，修正后结果并不对效果不太好。远场结果是正确的。频率步进雷达

这一项目划分输入视频到其相应的帧......你可以冲浪在每一帧之间单独......编译使用处理

该方法能够处理无约束的模糊，但也允许使用或先验信息的约束上模糊筛选器，以及参数化的方式定义的筛选器的使用。

这个MATLAB代码是关于KNN算法。在这段代码中使用的图像是在图片文件夹使用的每一个机构。

RGB转化我HSV空间，方便，可以用于图像处理的颜色空间转换，在不同空间下对图像进行处理，可以用于HSV空间处理阴影的里面

应用背景帧差法是背景减图法中的一种，只不过是帧差法不需要建模，因为它的背景模型就是上一帧的图，所以速度非常快，另外帧差法对缓慢变换的光照不是很敏感，所以其用途还是有的，有不少学者对其做出了出色的改进。关键技术 连通域处理函数各参数说明： 参数mask_process:        表示的是需要进行连通域处理二值图像。 参数poly1_hull0:        表示轮廓边缘是否采用多边形拟合,如果该参数为1，则表示采用多边形拟合，否则采用凸包拟合。 参数perimScale:        是用来将那些小的轮廓去掉，那些小的轮廓时指它的周长小于(mask长+宽)/perimScale。当然你在其内部代码也可以该为面积来判断。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

利用经典的Fuzzy C means在图像的彩色BGR空间上对图像进行分割 备注：VS平台，需要配置openCV 源图像： 得到的结果图像（指定颜色分割k=3）

MATLAB中编程，偏最小二乘回归的通用程序，输入两个矩阵，输出预测值及相关误差。