手势识别代码

由于sift算法提取到的特征点数量太多，而且检测到的特征点中伪特征点较多，且分布不够均匀，不能够很好地反映图像特征。此外每个特征点都有128维的特征向量，而且算法中包含经过大量的高斯卷积过程，所以算法运算量十分巨大，配准的速度慢。故考虑采用Harris算子代替近点SIFT 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

应用背景vs2010+opencv2.4.8,人脸识别，ORL人脸数据库，里面有两个代码，LBP.cpp利用LBP方法先训练图像得到分类器（xml）然后测试待测样本。LBPload.cpp则直接可以用LBP.CPP生成好的分类器测试待测图片，比LBP.cpp快很多。关键技术用的是LBP算法，也可以换成pca和fish算法，只是LBP更快而且占得内存也小一些，里面也有测试时间。为了方便，我直接确定的测得是第13个人，可以修改的。里面的data文件夹里面的at.txt和待测图片路径记得按照你们的情况修改。

此代码是由RGB转换为标准的RGB空间的算法，此代码基于opencv与c++语言，标准的rgb是指各通道的值除上三个通道之和，得到的标准rgb空间对光线的敏感性大大减小，对于跟光照有关的图像处理领域有很大的帮助。

所谓的差影法就是图像的相减运算(又称为 减影技术)，该运算是把同一景物在不同时间拍摄 的图像或同一景物在不同波段的图像相减[6]，利 用差影图像提供的图像间的差异信息以达到动态 监测、运动目标检测和识别以及目标识别等目的．

超分辨率图像重建。具有非常好的效果，程序效率较高，有完整的注释和说明文档。

资源描述了解数字图像处理的基本算法，如平移、旋转、平滑、锐化、灰度图的转化、对比度扩展，腐蚀、膨胀...

利用粗糙集进行图像去噪，输出无噪声的图像

GDAL通过RasterIO读写图像文件，数据集的创建，图像相关信息的获取，从而实现GDAL 切图功能，实现的切图可以在网络地图上使用。

应用背景粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。关键技术粒子滤波(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(SequentialImportance 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。

利用OpenCV中背景差分的函数，进行背景差分法构建，可以很好的进行运动目标检测。