图像去噪（含源码与测试源）

======================================================================== MICROSOFT 基础类库： TrackEye ======================================================================== 应用程序向导已创建此为您的 TrackEye 应用程序。此应用程序 不仅演示使用 Microsoft 基础类的基本知识 但也是您编写应用程序的起始点。 此文件包含的你会发现在每个文件的摘要， 让您的 TrackEye 应用程序。 TrackEye.dsp 此文件 （项目

最好最易懂图像分类程序，利用支持向量机进行简单的分类，简单易懂。并提供了一种贝氏距离的编写方法，希望对大家有所帮助。

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。

基于粒子滤波的目标跟踪。颜色直方图特征。参考资料 1。基于颜色的概率 Tracking2。基于颜色的自适应粒子 filter3。ECSE 626 项目： 基于颜色的自适应粒子 Filter4。关于在线非线性、 非高斯贝叶斯跟踪的微粒过滤器的教程

图像处理，轮廓提取，最新的CAnny算法，你值得拥有，配合hough圆检测，以最新的姿态配合新的需求。。。

应用MFC，基础的图像处理代码，有简易界面和主要代码的注释。适合初学者和C语言读程序薄弱人群。

这是一个matlab下处理立体匹配的完整代码，来源于国外的一个大学例程，包含详细的.m文件和交叉编译的cpp、h文件等，适合仔细研读具体的算法原理

系统采用的是摄像头拍摄装有水透明玻璃杯，获取实时的水面照片，通过图像处理技术对图片进行处理，包括图像二值化、图像去噪、图像增强、边缘检测已跟踪，最终通过特殊的数学方法计算出水位高度。另外程序还运用到了TeeChar插件，用来显示当前水位高度以及水位高度在一定时间内的动态变化。

应用背景SLIC是Simple Linear Iterative Clustering的缩写，是一种基于聚类算法的超像素分割。它在CIELAB空间中使用聚类，由LAB颜色空间中的亮度分量L和两个颜色分量a，b以及像素坐标x，y共同构成的5维空间中执行的一个局部像素集合。图像色彩的信息和图像平面空间几乎统一，以此这种新的距离度量就生成了结构紧凑、规则，并能够无缝隙的包含灰度及彩色图像。SLIC算法执行起来非常简单，容易在实践中应用，它只需一个参数即可。关键技术 SLIC不仅可以分割彩色图像，也可以兼容灰度图或位图，并且还能人为的设定超像素点的数量。 里面有导出的直接可执行的程序，也有详细的代码，用VS编写，系统32位，如果用64位需要更改vs配置，自行百度。

资源描述标记视频中的人脸，将视频中每一帧转换为图片，然后检测