基于Bayesian框架的背景建模算法和相关论文

应用背景局部二进制模式（LBP）最初纹理描述设计。它是不变的单调的灰色规模转换，这是非常纹理分析的重要。也由于实时图像处理的图像处理是可能的。LBP可以描述纹理数字图像的形状。我们已经开发了一种快速的方法，人脸识别相结合基于微观结构的空间域分类局部二进制模式和频域获取宏信息从离散余弦变换（DCT）和许多其他功能表示人脸图像关键技术 ；我们已测试的代码在6146面（13面，477班每班平均数），获得能效比等于3.07%。人脸数据库包括6146手动裁剪128-by-128灰度图像。对于一些受试者，图像在不同的时间，不同的照明，面部表达式（打开/闭上眼睛，微笑/不笑，眼睛闪烁，…）和面部细节（眼镜/没有眼镜）。许多图像被拍摄非均匀背景的主题在一个直立的，正面的位置，与一些侧面的运动公差。数据库包括但不限于使用最常见的人脸数据集模式识别，如AT&；T的人脸数据库，JAFFE数据库，耶鲁数据库和更多。关键词：MATLAB源代码，，，LBP，地方，二进制，模式，模式，DCT，脸，识别，匹配。

冈萨雷斯数字图像处理matlab版源代码,经典中的经典，不用多介绍了吧，分享给大家。

语法： BiorthogonalWavelets(imageStr,iter,cf) ；(*) %Biorthogonalwavelets(imagestr,iter,cf,"cdf",l,lt); %Biorthogonalwavelets(imagestr,iter,cf,"spline",n,nt); %Biorthogonalwavelets(imagestr,iter,cf,h,ht,g,gt,inds_h,inds_ht,inds_g,inds_gt); %[IM IMt IMtc IMhat] = BiorthogonalWavelets(imageStr,iter,cf); %[IM IMt IMtc IMhat] = BiorthogonalWavelets(imageStr,iter,cf,"CDF",l,lt); %[IM IMt IMtc IMhat] = BiorthogonalWavelets(imageStr,iter,cf,"spline",N,Nt); %[IM IMt IMtc IMhat] = BiorthogonalWavelets(imageStr,iter,cf,h,ht,g,gt,inds_h,inds_ht,inds_g,inds_gt); % 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

资源描述应用图像处理就行人脸识别，通过调用opencv库进行处理。主要进行特征点提取。开发环境为Visio studio +opencv。用c++语言进行开发，程序简介简单，亲测好用

OpenCV检测原理主要步骤为：1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。

资源描述twain协议的官方文档+官方开发例程+TWain接口规范概述及其应用+Introduction-to-TWAIN-Direct。整理了官方的大部分内容，之后会附上官方文档的中文翻译。

应用背景一个写承诺的眼睛检测和模板匹配的Android教程。由于OpenCV的Android是越来越好，一些代码片段可以是旧的，不是最好的解决问题的方法。如果您发现了一些改进，请评论或联系我，我将编辑这篇文章，分享给别人。我们采取标准的人脸检测和OpenCV的例子延伸一点。Android SDK可以在opencv  发现http://sourceforge.net/projects/opencvlibrary/files/opencv-android/；如果你arent"n熟悉Eclipse和OpenCV的呢，请阅读 ；  opencv4android的基本设置；第一。进口面检测样品，以蚀和清洗/建设项目确保正确进口和工作。正如你可以在视频中，有一些不同的图形用户界面对纯样品。有一个滑块可以很容易地改变匹配方法和按钮来重新创建眼睛模板。关键技术Android SDK Java OpenCV图像处理

模拟图像受高斯白噪声和椒盐噪声的影响 , 程序能够运行出正确的结果，希望对各位有帮助。

可能你不玩GIS，不懂这个库到底有什么用，或者和python 有什么关系。但是你要玩GIS，RS，你就应当知道这个库的价值。就算你不玩GIS，我想这个库对你也应该有致命的吸引力。为什么？看下面的介绍吧！报考：安装，GDAL 库的一些细节，GDAL 创建数据集，关于空间参考，坐标系之间的转化，把dem 地形转化成vrml 虚拟现实，GDAL部分类说明等

应用背景在不同背景下提取手势的二值图像，这里主要在背景不怎么变化的情况下，通过划分前景背景提取出手势图像。关键技术利用多帧平均建立背景模型，然后就是滑动平均法实现背景的实时更新。