watermarking

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

利用 opencv 和 haar 分类器的人脸检测。 这是一种代码包含 opencv 的训练，利用 haar 分类器分类器比检测的面孔中不同的图片，可以做为一部电影的不同帧。

本资源提供了Harris角点检测算法的源码以及算法描述ppt，可以直接运行，但是记住得配置opencv环境，源码是基于opencv实现的

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

资源描述    这是一个很不错的图像处理的开发包，是读研的时候导师带着我们做的一个项目，可以对图像进行各种操作处理。代码是用c++写的，没有bug，可以正常运行。非常试用于图像处理、编程爱好者。

资源描述这个代码能够实现简单的1,2,3....10的手势识别，但是代码的识别率不是特别高。源码是我在网上下载，但是我自己编译时报错，发现源码中有一处细微错误。我自己更改后成功运行，但是代码本身算法不够好，精确度不高。

解压后可以进行SAD匹配，SAD匹配是属于区域匹配的，可以作为入门学习使用。SAD匹配得到的视差可以作为初始视差，然后再进行进一步的匹配。

资源描述这个例子功能强大，能够以多种方式处理位图文件，强烈推荐

这是一个Matlab实现的隐马尔科夫树模型，用于计算图像的Contourlet系数。程序同时还包括图像去噪、纹理恢复的应用模型 .

使用c++编程语言，结合opencv库，分别采用拟合法和灰度重心法提取图像中圆斑中心，其中采用迭代法自动确定二值化阈值