最小二乘匹配

资源描述源码里面实现了一些数字图像中相关的图像分割算法。对于初学者来说会是一个很好的参考。

本资源是robhess的SIFT检测特征源码，里面包括使用robhess封装好的各个类库以及示例源码，对于初学者和有一定经验者都很有帮助，我就是从这个源码开始学习的

资源描述视频处理需要提取前景，相对于简单的帧差法而言，混合高斯建模能直接提取出前景，但是运算量有些大。

代码是在李春明教授的Drlse模型上改进而来，用基于区域的符号压力函数替代边缘指示函数，并设置了可变权系数，使初始轮廓线只要位于图片上，无论与待分割目标位置关系如何（目标区域内、外、横跨 ），都能得到很好的分割效果。

卡耐基梅陇大学的车辆检测与跟踪程序，程序中利用光流法实现车辆的检测以及跟踪，跟踪以及检测的效果非常不错。 CMU vehicle detection and tracking procedures, the use of optical flow method.

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

这是一篇有关于食品当中的阴影检测的代码，有需要的朋友们可以借鉴一下，当然，在运行的时候也需要修改一下路经即可。希望对大家有用吧！

通过打开摄像头或者视频进行图像处理。主要通过图片相减，来实现运动物体的跟踪。具体实现方法如下：逐帧读取视频（从摄像头或者文件中抓取并返回一帧），创建首地址并分配存储空间、创建矩阵、转化成单通道图像再处理，高斯滤波先，以平滑图像、当前帧跟背景图相减、二值化前景图。。。。。。。。。。

应用背景图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。关键技术现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。

半马尔可夫模型，用于人体行为识别。