行人检测的代码 HOG+SVM使用了Klaman 滤波预测行人轨迹

图像和视频处理和压缩是这年轻的一代人民非常重要的因为他们希望一切都以高质量低成本。在我的项目我做了什么在对压缩应当是有用的图像压缩图像而不会干扰质量

应用背景阈值分割是图像分割的一种最简单的方法。在全局阈值，对图像中所有的像素的单阈值用。当组件的像素值，背景相当一致的在各自的价值观在整个图像，它输出一biinary图像 ；代表分割。关键技术C #工具实现的全局阈值分割算法

采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波, 程序能够运行出正确的结果，希望对各位有帮助。

在Delphi编程环境下，将医学图像格式DICOM格式转换为其他图像格式，使其能够在家庭电脑上查看或者处理图像。l可转换的图像格式有：4D NIFTI，SPM2,SPM5,FSL等格式

各种算法已经被提出了FACE RECOGNITION.OUR第一步是人脸检测涉及检测面部在IMAGE.VARIOUS影像已更新了DATABASE.THEN下一步涉及人脸识别是用来判断是否照片匹配了数据库。

根据场景中的静态图像或视频，利用给定的人脸数据库信息，鉴别或确认该场景中的一位或多位人的身份的过程。

针对camshift跟踪容易丢失目标问题，加入了kalman滤波来预测下一个可能存在的位置，跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法，后者的核心是沿某种函数的梯度方向迭代，之后根据迭代次数和误差阈值收敛于某一个范围，这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像，可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级，可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法，对运动不敏感，所以不能进行两帧之间目标的关联分析（这一部分要我们自己做）。而这个算法之所以能够用来跟踪，我认识是算法的前提假设，相连帧间目标的运动是微小的，即运动是近似连续的，这样密度函数是连续的，就可以沿梯度方向寻找局部最优值，这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢，这是因为密度函数可能有多个峰，而梯度搜索很容易掉进局部最优值，而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取，即目标特征的表示方式，是一个很重要的部分。

此项目工程主要完成模式和非模式对话框的显示，非模式对话框好处在于，创建弹出窗口时可以采用该模式，这样便于修改，否则还需将改窗口关闭后才可进行下层窗口的操作。很实用的代码。

随机森林算法，通过windows预编译的MATLAB版本工具箱，可以实现机器学习相关应用，很有价值的！

我的项目名称是可变的隐藏的神经元合奏为大众分类数字乳腺图像中。这个项目我使用从 DDSM （筛查乳腺放射成像的数字数据库） 的数据库。在这个项目中我做了第一次图像的预处理 & 然后图像的分割。为此我用二进小波处理。这一项目在 Matlab 做所以我需要为二进小波的 matlab 程序代码。所以请你尽可能早寄给相同的 matlab 程序代码。 谢谢。