LBP特征提取

vtk多边形布尔运算源码,处理效果很棒,但对100000个以上的三角面片处理比较慢-vtk polygonal Boolean operations source code, the operation result is great, but for more than 100,000 triangles it is a little slower

应用背景粒子滤波目标跟踪源码，通过粒子滤波技术，画一个待选框，然后在视屏中通过待选框中的运动物体，然后对其进行实时跟踪。本人已经调试。关键技术粒子滤波技术结合目标检测复选框，选择运动目标，然后通过视频序列来检测运动目标并跟踪运动目标，从而达到跟踪目标的效果。

vb制作的矩形框 vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框vb制作的矩形框

运用LDA模型，采用Gibbs采样，运用图像标注的关键词，用户对图像标注的tag,采用多模态发掘潜在语义主题对图像标注

这是一个用C++语言实现一个中值滤波程序，含有中值滤波相关理论知识的PPT。程序里应用到的技术有：中值滤波、直方图均衡化、 脊线方向提取、Gabor滤波、指纹细化、特征提取、特征点过滤、基于局部特征点的特征匹配等等…… -This is a C++ language implementation with a fingerprint identification procedure that requires the FVC meet international competition standards, and establish a fingerprint in the school library on the measurement. Program where the technology applied to the following: median filter, histogram equalization, the direction of ridge line extraction, Gabor filtering, fingerprint refinement, feature extraction, feature point filtering, based on local feature points of the feature matching and so on

这个库是免费软件;您可以重新分配和/或修改它的GNU通用公共条款由自由软件基金会出版许可证;或许可证，或（由你选择）任何更新的版本第2版。该库分布在希望这将是有益的，但没有任何担保;没有连暗示的保证适销性或适用于特定用途。见GNU库通用公共许可证的更多细节。

资源描述静态背景下，多目标的识别与跟踪，目标用方框标出，效果非常好。

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject我们常在报纸上看到图片。观察这样的图片你会发现它是由一个个点组成的。我们也可以做出这种效果。很有趣。适用于初学者。背景操作系统: Microsoft Windows 7 专业版 (64 位) 开发实用程序: Microsoft Visual Studio 2010使用代码 // The height of the image. for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // The height of the image. for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // The index of pixel, because we use the three depth bit to present one pixel of color, // Therefore, we have to multiply three. lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // To get the pixel depth of the blue channel, byteRGB_BA = imageA->DibArr

粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率， 可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样 法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行 近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式 的概率密度分布。

我们开发高效通用无参考 （星期日） 图像质量评价 （IQA） 模型，它利用局部的空间分辨率和光谱熵特征上的扭曲图像。我们使用随后进行质量评估的失真分类 2 阶段框架，利用支持向量机 （SVM） 训练图像畸变和质量预测发动机。由此产生的算法，称为基于空间谱熵的质量 (SSEQ) 指数是能够跨多个扭曲类别评估扭曲图像的质量。我们解释用熵特征和它们与感知的相关性，彻底评估生活 IQA 数据库的算法。我们发现 SSEQ 与吻合较好的图像质量，人类的主观意见，统计学上优于全参考 (FR) IQA 算法独和几种高绩效 NR IQA 方法： 痹祺、 DIIVINE、 BLIINDS-ⅱ 型。SSEQ 具有相当低的复杂度。我们还测试了 SSEQ 的 TID2008 数据库，以确定它是否是独立于数据库的性能。