稀疏编码图像恢复的文章

     Harris Corner是最典型的角点检测子Corner Detector。角点经常被检测在边缘的交界处、被遮挡的边缘、纹理性很强的部分。满足这些条件一般都是稳定的、重复性比较高的点，所以实际上他们是不是角点并不重要（因为我们的目标就是找一些稳定、重复性高的点以作为特征点）。

多视点视频编码 （MVC） 是 2D 加 （mpeg-4 AVC) H.264 视频压缩标准的方法 （也称为 Delta 2D +） 三角洲开发共同努力的 MPEG/VCEG 使有效的编码序列从使用单一的视频流的多个摄像头同时拍摄的一项修正案[1]。

资源描述mean shift 的迭代过程只做了一次，交流参考使用。里面有详细说明

关于图像的对称的学习，使用的sift算法，有代码页有文章的介绍，很好用！

采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。

这些代码做一些像图像去噪和高-通行证-筛选器操作。 每个图像下载与 BMP 格式可以转换为黑或白色。 您可以将图片 resultats 保存到 bmp 的文件格式。

评估

资源描述使用VS2013+opencv库，利用高斯函数实现图像的平滑效果，可以设置平滑的尺度

资源描述采用颜色直方图作为特征的粒子滤波算法和卡尔曼滤波算法

jepg图像压缩。。。包含分块DCT，量化，zigzag,反zigzag,反量化，和反dct。。。。没有包含编码内容。。。此程序没有使用能满足刚好分为8*8小块的图片而是使用不规则图片。。。通过补齐黑边来实现程序的通用性。。。压缩包中包含有测试图片。。。可以对任何维度的图片使用。。。缺点是使用循环较多。。。运行速度较慢。。。