Bat Algorithm based MRI Image Threshoding

粒子滤波仿真程序，可以生成误差、跟踪结果等参数，是学习和写论文的好东西。如果感兴趣可以在他的基础上修改，进行不同形式的测试。里面包含基本粒子滤波、EKF、粒子滤波三者的比较，跟踪轨迹的比较，MAP及最大后验结果等图像仿真结果。

ICCV会议上，关于稀疏编码图像恢复的文章，pdf格式，文章中也给出了源代码的下载网址。

人脸检测系统，待扶正人脸库，待扶正人脸系统，C++写的

对黑白TIFF 图像进行处理，将200DPI 转换为 300DPI，或者转换为指定的DPI。

本系统的代码是在VC6.0平台下完成的。VC实现的人脸检测系统，全部基于MFC实现。通过颜色空间转换、 皮肤颜色建模、膨胀、腐蚀、去除伪人脸区域、二次膨胀与腐蚀，从而大致定位人脸区域。再通过眼睛亮度 与色度匹配、嘴巴匹配从而精确定位人脸。 实验结果可以精确定位人脸区域。 以下是算法文件清单： DIB.cpp DIB.h 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

对红外图像首先在方差空间中提取显著性区域，然后根据图像复杂度对显著性区域进行筛选，最后采用阈值分割方法分割显著性区域，获取目标。

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。

这项工作基于统计方法的问题，而不使用大培训数据库和不诉诸神经网...... 我避免神经网络显而易见的选择，唯一的真正原因是： 1） 它已进行前字符识别。 2） 它不似乎是本着同样的精神，作为我们的课程和讲座， 和方法。 3） 神经网络，以我的经验，似乎并不产生可伸缩的、 关于底层视觉问题/解决方案的重用信息... 就我所知他们只是证明，一些系统称重层感知产量的正确结果大部分时间。 只有几篇文章手写识别的问题，我所读过的指的是统计方法解决它。我已经从他们，我的想法，但是我还没有找到任何准确的参考，我对这个问题的办法。我将会检讨各种统计方法在下一章。

应用背景道路识别提取。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。关键技术使用CNN方法对道路进行识别提取，效果很好，不是遥感影像的道路。。。。。。。。。。。。。。。。。

一个用C/C++直接读取像素的例子，供底层源码学习。程序可以运行，直接读入照片，然后将像素内容读取到内存，读者可以查看照片DIB数据的每一个细节，供学习使用。