基于Hog的行人检测

图像压缩技术是用来减少图像或文本的存储空间的技术。与其他技术相比，使用DWT进行压缩可以提供良好的效果。DWT子带将图像分为四个子带，如LL、LH、HL、HH。

应用背景一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条件的随机感知矩对多尺度图像特征进行降维，然后在降维后的特征上采用简单的朴素贝叶斯分类器进行分类。该跟踪算法非常简单，但是实验结果很鲁棒，速度大概能到达40帧/秒。关键技术压缩跟踪算法： 输入：第t帧图像 1、在t-1帧跟踪到的目标位置It-1的周围（也就是满足Dγ={z|||l(z)−lt−1||

资源描述这只是一个简单的人脸识别代码，有需要的可以下载去看看。    

利用opencv工具可以方便的实现canny边缘检测，作者做了一个小小的MFC尝试，参数设置还需要调整，需要VS2010的平台，希望能够与大家分享，互相学习

2DPCA人脸识别的MATLAB源码，选用ORL人脸数据库，每个人脸前5张用于训练，后5张用于识别，完成之后可以识别效果。

近年来，加速增长的数字媒体收藏集和特别是静止图像集合，这两个专有和在网络上，建立了需要为发展的人类-为中心的高效的访问和检索的视觉信息的工具。需要管理这些图像和目标图像响应用户查询 h 的定位成为一个重要的问题。图像分类是有效地处理海量图像数据库的重要一步，使高效的检索算法的实现。图像分类是指的一种数字图像分为不同的类别，在特定的数据集，基于属性值内的分组。这样做的目的是为了替换图像数据的可视化分析与定量技术。本项目提出了图像分类技术的基础使用离散余弦变换、 沃尔什变换的变换后图像的特征向量。特征向量的各种大小是 8 × 8、 16 X 16、 32 X 32、 64 × 64 和 128 × 128 等生成的。所提出的算法被过的数据库1000 幅图像传播超过 10 个不同的类。欧氏距离作为相似性度量。设置一个门限值来确定查询图像属于哪一类的。

一维高斯滤波就是使用一维高斯公式生成一个一维的矩阵，然后使用该矩阵对图像中的每一个像素进行处理。处理方法是计算当前像素与其周边像素和矩阵中对应的权值的乘积的和。先对图像横向处理，完毕以后再对纵向处理（顺序相反也可以）。

图像插值是图像处理中一个非常重要的分支。它是

很详细的代码啊   直接就可以拿来用 vc++的数字图像处理     很实用  很有趣啊    学习的时候可以拿来借鉴啊

BERNSEN localthresholding %。%Bw = BERNSEN(IMAGE) 执行的一个二维 localthresholding%阵列图像的 Bernsen"sthresholding。该方法使用%用户提供对比阈值。如果是局部对比度 （最大-最小）%高于或者等于 contrastthreshold，阈值设置为%本地 midgrey 值 （平均最低限度和最大灰度值在%本地窗口）。如果 localcontrast 是下面的对比%阈值附近被认为仅由一个类组成%和像素设置为根据的值对象 orbackground%midgrey。%%Bw = BERNSEN （图像、 [M N]，CONTRAST_THRESHOLD、 填充） 执行本地奇数 %阈值值 M 由 Nneighbourhood （默认值为 3，3）。默认值 forCONTRAST_THRESHOLD %都是 15。处理边界使用 PADARRAY 选项 （默认值是之一填充图像 %像素为单位）%"replicate"）。%