基于Gabor+PCA+SVM的性别识别(3)

描述（英文）：（提示：至少100个字符。请尽你所能详细描述你的项目。更好的内容将为您赢得更多积分）；

本算法是基于图像块的全局运动估计，利用全搜索算法，三步搜索法实现全局运动估计，估计给出不同的矢量运动图像，经过补偿后的图像，并给出原来两帧图像之间的帧差与补偿后的帧差，计算出图像的PSNR！

下面的 Matlab 项目中包含的源代码和用于 RGB 图像，使用小波变换压缩的 Matlab 例子。RGB 图像只能压缩，然后进行处理。在项目文件中列出了源代码和包含在此项目中的文件。小波变换是图像压缩的最佳技术。

主程序用matlab，有一个子函数在matlab中调用了c++，完成了图像的多尺度形态学分割

形状检测，形状识别，能检测到正方形，三角形，举行，椭圆等基本图形，仅作参考与学习，很有指导意义

使用HOG+SVM训练行人分类器，vs2008+opencv实现的工程，保证可以使用。样本图片由于太大，不好上传，大家可以在别处下载。代码简洁清晰，注释详细，是学习SVM和行人检测的很好的实例。

该程序涵盖了基本的图像处理，内容十分丰富，是使用c++进行编写的，十分值得大家学习和参考使用，对于初学者是一本很好的案例学习，另外里面的程序都是使用灰度图像处理的

harris角点检测源代码，简洁高效，通俗易懂，可以有效检测出图像的角点，并提供了一个画圆的程序，用于在图像上圈出角点。 使用格式为[cnt,posr,posc] = get_harris(img,k,t)  其中img为需要检测的图像，k，t分别为该角点检测的参数。输出cnt为角点数目，posr,posc为各个角点的位置。

C++代码，源码在VC6.0环境下可以运行成功，实现了灰度图像边缘检测的功能，代码中用了两种不同算法实现边缘检测的功能。课设用代码，代码已验证，保证能运行。

sift代码主要实现在sift.c这个文件中：首先创建初始图像，即通过将图像转换成为32位的灰度图像，然后将图像进过三次插值放大，之后进行高斯模糊，在此基础上进行高斯金字塔以及高斯差分金字塔的构建，下一步对图像进行特征点检测，计算特征向量的尺度，调整图像大小，计算特征方向，计算二维方向直方图并将其转换成为特征描述子。在输入参数中，img表示输入图像，feat表示提取的特征指针，octvl表示高斯金字塔和高斯差分金字塔的组数，的intvl表示高斯金字塔和高斯差分金字塔的层数，sigma是初始化过程中高斯模糊所使用的参数，contr_thr是归一化之后去除不稳定特征的阈值，curv_thr是去除边缘特征的主曲率阈值，img_dbl是是否将图像放大为之前的两倍，descr_with是计算特征描述子方向的直方图的宽度，descr_hist_bins是直方图中的条数。