彩色制造跟踪

局部二进制模式（LBP）是一种用于在计算机视觉分类功能。 LBP是中提出的纹理光谱模型的具体情况1990年 [1] [2] LBP在首次描述1994。[3] [4]它已经被认为是一个强大的功能用于纹理分类;它已经进一步确定，当LBP 是结合梯度方向直方图（HOG）的描述符，它大大提高了对某些数据集的检测性能。  LBP的特征矢量，在其最简单的形式中，以如下方式创建：  划分检测窗口进入细胞（例如16×16像素的每个单元格）。  在一个小区中的每个像素，比较像素到它的每一个8邻居（在其左顶，左中间，左底部，右顶部，等等）。 跟随一个圆，即顺时针或逆时针的像素。其中，中心像素的值大于邻居的值，写入“1”。否则，写“0”。这给 出了一个8位二进制数（通常转换为十进制为方便起见）。 计算直方图中

基于增强主动视觉的人脸特征提取

使用帧间差分法对视频图像进行处理，利用相邻图像帧像素亮度差值来判断运动目标，并利用形态学滤波进行滤波去除噪声引起的亮度变化。

应用背景粒子滤波目标跟踪源码，通过粒子滤波技术，画一个待选框，然后在视屏中通过待选框中的运动物体，然后对其进行实时跟踪。本人已经调试。关键技术粒子滤波技术结合目标检测复选框，选择运动目标，然后通过视频序列来检测运动目标并跟踪运动目标，从而达到跟踪目标的效果。

模糊图像自适应正则化参数和范数选择的图像复原MATLAB，效果真心不错

这个里面是两个cmyk和RGB互转工具 这个里面是两个cmyk和RGB互转工具 这个里面是两个cmyk和RGB互转工具 这个里面是两个cmyk和RGB互转工具 这个里面是两个cmyk和RGB互转工具 这个里面是两个cmyk和RGB互转工具

我的这个文件，包含了opencv的相关的版本和版本的使用的说明，以及一些常见的实例，有很好的的应用价值，同时还能够提供opencv里的一些常见的函数的查找，另外就是有一些相应的代码的演练，对快速的入门有很高的价值展示。因此值得去学习和下载。

面向梯度直方图可以用于图像中目标检测。特别是，他们被用作行人检测"使用面向梯度直方图的行人检测"一文中介绍 Dalal 和 Triggs。Matlab 程序代码计算猪以详尽的方式，如本文所述。训练分类和检测对象/非对象区域，然后可以使用说明符。

图像小波融合代码。 小波变换是将图像分解成频域上各个频率段的子图，以代表原图的各个特征分量。这对后续的融合处理极为重要，使得融合处理可以根据不同的特征分量采用不同的融合方法以达到最佳融合效果。图像的融合策略（方法）是图像融合的核心，方法与规则的优劣直接影响融合的速度与质量。 在一幅图像的小波分解中，绝对值较大的小波高频系数对应着亮度急剧变化的点，也就是图像中对比度变换较大的边缘特征，如边界、亮线及区域轮廓。融合的效果 就是对同样的目标，融合前在图像A中若比图像B中显著，融合后图像A中的目标就被保留，图像B中的目标就被忽略。这样，图像A、B中目标的小波变换系数将 在不同的分辨率水平上占统治地位，从而在最终的融合图像中，图像A 与图像B中的显著目标都被保留。

粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。它可以被纳入多主体优化系统(Multiagent Optimization System, MAOS).粒子群优化算法是由Eberhart博士和kennedy博士发明。