行人检测的代码 HOG+SVM使用了Klaman 滤波预测行人轨迹

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

算法步骤： Step1：对原图像进行2级小波分解； Step2：对识别图像构建统计特征向量； Step3：由式（5-3）求两幅图像特征向量夹角的余弦值； 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

边缘检测算法喜欢罗伯茨、 空降和普鲁伊特运算符可以用于更多灰度梯度和 噪音。对于检测对角边缘 Sobel 运算符是更加敏感。另一方面，普鲁伊特运算符是更多 敏感的水平和垂直边缘。康力的运算符基于三个标准。第一个条件是使用 为疏导图像的高斯函数。二是一阶导数的最大值对应于 最小的一阶导数。换句话说，这两个点用灰度 （强边缘） 和点的戏剧性变化 稍有变化的灰度与对应于第二阶导数零交叉点。因而这些两个阈值为 用于检测弱边缘和强边缘。康力的算法不是容易受到噪声干扰的事实 使其真正弱边缘检测的能力。所以 Canny 的算法是边缘检测优化算法。

静态场景下用于背景差分的背景建模，使用中值法构造背景，简单，高效，能快速构建出背景图像，已通过vc6.0和opencv1.0的测试，算法完整，易于后续的图像处理

此文件包含三个 dll 文件的 Gabor 滤波器在 C# 中，对图像处理中，它是非常有用的作为 C#.net 中的参考

模板匹配的工作方式跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。     假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：   （1）从输入图像的左上角(0,0)开始，切割一块(0,0)

基于后方交会的程序代码。通过地面控制点坐标，以及控制点在航片上的坐标来结算航片的6个外方位元素。该程序具有运行良好，无错误，运行速度快的特点。

一个PROGRAMM检测从图片的情绪。这是很容易实现的开发人员。您可以使用自己的代码，该源代码。可以与本申请中被检测到的感情，是有关用画面。

资源描述基于C++开发的图象分割源码，基于C++开发，图象分割源码，基于C++开发的图象分割源码

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。