角点检测

附件中提供的代码是根据文章“Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries”编写的，整个程序分为两个阶段，第一，稀疏分解，第二，字典学习过程。在稀疏分解中采用的是正交匹配追踪算法（OMP），在字典学习过程中采用K次奇异值分解方法（SVD）更新字典原子。

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。

采用迭代法获得图像二值化的阈值，虽然迭代法在计算过程中，比较费时，但是求得的阈值比较准确。采用自适应背景更新的方法，获得车辆的二值图像，并对车辆进行矩形框标记。

基于CCS环境下，一些常用的DSP算法程序，主要包括：FIR、IIR、FFT等相关算法以及实现程序，并在一些工程中的应用。

此代码演示了如何使用基于特征的图像配准技术自动创建一个全景。特征检测和匹配是在许多计算机视觉应用，例如图像配准，跟踪，及物体检测用强大的技术。在这个例子中，基于特征的技术被用于自动缝合在一起的一组图像。为图像拼接的方法是基于特征的图像配准的扩展。代替登记一对图像中的，多个图像对被依次登记相对于彼此以形成全景图。

Hough变换是一种使用表决原理的参数估计技术。其原理是利用图像空间和Hough参数空间 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

这是一个人脸识别演示/算法测试程序，基于Windows操作系统，在VS2008 SP环境下编写，算法部分用到了OpenCV 2.0，其中ASM人脸对齐部分还用到了OpenCV 1.0；演示程序界面部分用到了MFC。 演示程序的功能是，对摄像头拍摄的或用户指定的图像，检测其中人脸，然后在已存储的人脸库（通过摄像头或图片注册）中找到最匹配的人脸并显示。还有人脸库和分类器的导入/导出功能。  整个工程可以分为3个部分：算法、功能和应用。 算法部分：算法部分目前分为4个模块：人脸对齐、光照归一化、特征提取和选择、子空间降维，每个模块是一个项目，每个项目生成一个dll供功能部分调用。 功能部分：功能部分只有一个项目FaceMngr，该部分依赖于算法部分，实现人脸注册、训练、识别、导入/导出等具体功能。该项目生成一个dll供应用部分调用。 应用部分：应用部分依赖于功能部分，实现了与人脸识别有关的应用，目前有两个项目：人脸识别演示程序frtest，和利

本代码是关于交通灯的检测与识别，可以检测并识别红色交通灯，通过把RGB图像转换成HSV图像，分割出红色信号灯，然后根据圆形度去除过大或过小的干扰区域，最后在原图像上显示检测出的红色交通灯。本代码同样可以检测和识别绿色以及黄色交通灯，只需修改HSV图像的取值范围。

 工程在源码包中的“vs工程”文件夹中，为MFC工程。

这个代码是用于区域生长算法1条规定在检测错误的条件图和用于进行必要的修改。此算法的重复进行，直到没有发生进一步的变化。为了降低了后续的图形分析的复杂性，所有的用很短的链路端点被除去。四周前开始在图表分析阶段，所有船只外径被除去。视盘区域通常含有许多船只和图形在这方面是不可靠的。如这些船只是不相关的A / V分类过程中，它们可以被除去。其结果是由几个构成的图非连接的单独的子图。图中的操作改性步骤示于图