虹膜识别软件_基于计算机视觉算法

资源描述视频处理需要提取前景，相对于简单的帧差法而言，混合高斯建模能直接提取出前景，但是运算量有些大。

混合高斯模型背景建模实现的运动前景提取(MixGaussExtractForeground)，VS2008+OPENCV实现工程，可以使用，简单方便易懂，注释清晰，i附带测试视频，是学习混合高斯模型背景建模和运动检测的好东西。

在图像上，绘制多种形状的方形，直线， 用来做2D矢量图像设计时使用。给出了各种绘制方形，和直线的方法。It manages simple graphic objects like rectangles, lines and ellipses, other than images and RTF text. It shows most of the capabilities of GDI+, such as color transparency, pen style, start/end line cap and so on.

运用6种算法进行肤色分割，基于opencv1.0+VC6.0，包括RGB、GB，HSV、Otsu、YCbcr，效果很好，而且都是写成子函数的形式，调用方便。稍微修改下参数就能在环境中很好地检测手势和脸部区域。

写的一个基于matlab的图像处理小程序，带有基本界面，通用性较好，能够实现基础的图像处理操作，例如锐化，噪声演示、多方法去噪，边缘检测等，主要用于检测灰度图像，要处理彩色图像，需要转换成灰度图像

资源描述视频处理中前景提取的基本方法，处理速度快，可以得到运动目标的边框。

本程序是根据微软给的例子，在其基础做了很多的变动，可以实现深度信息的提取，将采集到的三维点云数据分别存取到三个不同的文档中，方便后面的三维点云数据的处理，本程序是使用c#开发语言实现的。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

这是2001年由Chan Vese发布的实现无边缘水平集的源代码。它可以用于医学或真实图像

zernike矩的源代码，非常不错，用matlab编的，值得下载