基于Hog的行人检测

陈-尊为区域模型也是主动轮廓线模型自然图像进行分割。此程序提出由陈尊于 2001 年实施的高级别的图像分割算法。基于区域主动轮廓线模型是改进标准 snake 模型 Kass 等人提出。Kass et al 模型的主要限制是它利用梯度基于外部力量，以适合于所需的对象边界轮廓。如果梯度不是足够强大，这可能会导致树结构的结果。该模型利用 region 的属性，从而可以甚至为噪声的图像成功地工作。

基于高度图的三维地形渲染，基于高度图的三维地形渲染，基于高度图的三维地形渲染基于高度图的三维地形渲染基于高度图的三维地形渲染基于高度图的三维地形渲染基于高度图的三维地形渲染，基于高度图的三维地形渲染，基于高度图的三维地形渲染，基于高度图的三维地形渲染基于高度图的三维地形渲染基于高度图的三维地形渲染

使用gdal和c++，编写的一个打开图片的程序框架，GDAL(Geospatial Data Abstraction Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。它还有一系列命令行工具来进行数据转换和处理

将空间域图像变换到频率域后，经过傅里叶变换的图像对其去能量谱，计算频谱的频率和能量进行曲线的绘制，就可以得到我们想要的功率谱曲线的，代码不需要改动可以直接使用

代码是在李春明教授的Drlse模型上改进而来，用基于区域的符号压力函数替代边缘指示函数，并设置了可变权系数，使初始轮廓线只要位于图片上，无论与待分割目标位置关系如何（目标区域内、外、横跨 ），都能得到很好的分割效果。

应用背景在图片中查找出已知目标，例如警方破案时将视频生成一系列图片后，在这些图片中中查找嫌疑人面孔，准确定位到哪一幅图片，不必使用人力一张一张的筛选，大大减轻了工作负担，提高工作效率，该算法识别率很高关键技术 使用surf检测子检测关键点 从特征向量中提取描述子 使用FLANN在描述子向量中匹配 将好的匹配保留下来，并画出来

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。

本源文件使用c++将yuv数据转为264格式，本源文件使用c++将yuv数据转为264格式，本源文件使用c++将yuv数据转为264格式，本源文件使用c++将yuv数据转为264格式，本源文件使用c++将yuv数据转为264格式

CMT源码，实时摄像头可运行，提取特征点，通过特征点之间拓扑结构变化，判断目标物体的动作变化，使用Python语言进行编程。

一种新的数字图像水印方法