创建全景图像

Retinex可在光线条件不好时改善图像的视觉渲染。当光线较暗时，我们的眼睛可以正确地看到颜色，但照相机和摄像机不能很好地处理这个问题。MSRCR（MultiScale Retinex with Color Restoration）算法是Retinex滤波器的基础，其灵感来自于眼睛的生物学机制，以适应这些条件。Retinex代表视网膜+皮质。

本文的主要目的是通过采用 k-均值和遗传算法得到非重叠和可靠的输出。不同的色彩空间都是在我们的应用程序中输入图像的简单 (K-均值的基础） 聚类技术融合。

通过水平集的数据处理可以将摇杆影像中的特征对象进行提取，针对所要研究的对象进行分析，大大的提高了研究的进度，避免了不必要的误差充。

应用背景视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg关键技术 ================================================================================= 运动估计 H264     视频协议 ============================================================================================

程序都可以使用，图像处理的基本算法，如彩色图像灰度化，平滑去噪，锐化，分水岭分割，基于背景的目标检测，单目标跟踪多目标跟踪等都有实现。

matlab实现人眼定位程序，先对图像加噪声再滤波，对两幅图像差分滤波，粗定位后再细定位

可以实现多个目标的跟踪，但是有一定的缺陷，需要后期的改正，要弄清楚camshift的相关原理必须从MEANSHIFT着手了解，更多的是混合高斯与camshift结合这一块，程序比较复杂，需要对OPENCV有一定的认识和了解，所以特别是相关的函数，大家一定要清楚之后才可以调试，建议使用VS2010和opencv进行配置实现相关的功能

在本计画中，我们使用mean-shift演算法来追踪公共交通区域的人体轨迹。

应用背景适用于初学者掌握对模型的总体把握，如何创建模型，如何在基础上建立新的坐标系，如何控制不同部分间的从属关系，如何键控不同部分的动作，使使用者对opengl的3D环境有充分了解。关键技术本代码调用了opengl 3D环境的多种函数，从创建模型到操作模型都涵盖在内，包括旋转，键控，视图，这是初学者学习，借鉴，掌握opengl的非常好的例子，也是我初学的样例，相信对初学者非常有帮助。

使用HOG+SVM训练行人分类器，vs2008+opencv实现的工程，保证可以使用。样本图片由于太大，不好上传，大家可以在别处下载。代码简洁清晰，注释详细，是学习SVM和行人检测的很好的实例。