车辆尾随检测

利用IDL编写的，实现了掩膜、 波段合成、 主成分分析 、缨帽变换、 水体指数（ndwi）、 归一化植被指数（ndvi）。

针对camshift跟踪容易丢失目标问题，加入了kalman滤波来预测下一个可能存在的位置，跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法，后者的核心是沿某种函数的梯度方向迭代，之后根据迭代次数和误差阈值收敛于某一个范围，这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像，可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级，可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法，对运动不敏感，所以不能进行两帧之间目标的关联分析（这一部分要我们自己做）。而这个算法之所以能够用来跟踪，我认识是算法的前提假设，相连帧间目标的运动是微小的，即运动是近似连续的，这样密度函数是连续的，就可以沿梯度方向寻找局部最优值，这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢，这是因为密度函数可能有多个峰，而梯度搜索很容易掉进局部最优值，而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取，即目标特征的表示方式，是一个很重要的部分。

基于Bayesian框架的背景建模算法和相关论文，这中算法的性能要优于混合高斯建模和其它背景建模算法。可用于复杂背景下目标检测和跟踪。

直方图均衡是图像处理的工作，以获得所述图像的亮度的均匀分布。如果它是具有低对比度的图像，它是改善图像的亮度的处理。使用cvEqualizeHist（）函数中，图像被分成三个信道，而在cvMerge函数，使每个信道的图像。

实现运动模糊方向和运动模糊长度参数估计的方法。其中，方向估计用的是差分法，长度估计用的是频域的暗条纹方法。

为了计算出地形点(Xi, Yj)上的高程值,一般需要首先从DEM地形数据中搜索到其所属的栅格,然后利用栅格交点处的高程值和二次线性插值函数来计算得到其高程值。但是这种方法每次都必须从海量的DEM地形数据中搜索出一个特定的栅格,而目前搜索算法的最优时间复杂度不会低于log(n)。为了充分利用计算机的移位计算的特点,文中采用2i倍的放大或者缩小DEM地形数据栅格的方法。这种方法省略了栅格搜索过程,从而大大提高了计算性能。其原理如图4所示:缩放显示图像时,栅格数减少一倍,需要合并四个相邻栅格。其中的虚斜线表示原来的栅格和等高线,黑粗线表示由新栅格计算得到的等高线。

目前的技术来生成动画的场景涉及的视频 （其分辨率是有限的） 或单个图像 （这需要大量的用户交互）。在这个项目中，我们描述一个系统，允许用户快速和容易产生一个令人信服的看动画从高分辨率剧照小集合。我们的系统有两个独特的功能。第一，它适用自动部分时间顺序恢复算法于剧照为近似原始的现场动态。

运行平台：visual studio 2010 + opencv 2.4.10。一个简单的代码程序，利用opencv函数库实现以下功能，调用笔记本的摄像头进行采集图像，对采集到的图像实时进行多人脸捕捉，以及灰度处理。将原图像和处理过后的图像同时以活动窗口的形式展开，能够进行对比

资源描述图像质量的清晰程度很大程度是由相机镜头的分辨率决定的。通常情况下，我们只能通过专业的评测软件才能知道所购买相机的镜头分辨率，比如Imatest软件。这个代码是完全基于自己开发的分辨率计算算法设计的，方便检测。主要用到了极值搜索算法和一些数据的处理。