神经网络算法

基本的处理，包含图像增强，平滑，二值化，阈值分割，边缘提取等，可供参考。

qcad2.05可用于windows和linux的源码-qcad2.05 can be used for windows and linux source code

使用HOG+SVM训练行人分类器，vs2008+opencv实现的工程，保证可以使用。样本图片由于太大，不好上传，大家可以在别处下载。代码简洁清晰，注释详细，是学习SVM和行人检测的很好的实例。

使用说明第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。该系统的识别率一般情况下为90%。此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。具体使用请参照书中说明。

具有选择性局部或全局分割的活动轮廓：一种新的变分方法和水平集方法。作者：张开华、张磊、宋慧慧和周文刚

该代码基本上从输入图像中提取hsv特征。特征提取方法已被应用于图像分割和直方图生成

PHOG形状描述特征能同时描述物体的局部形状和形状的空间布局。其特征表示是通过逐级分割图像，对同一幅图像进行不同尺度的分割，然后计算每个尺度中patch的小HOG，最后综合每一级各分块的梯度方向直方图，组成一个梯度方向直方图金字塔。

应用背景要求：Matlab，Matlab图像处理工具箱。主成分分析法是一种数学方法数据尺寸减少的公式。因此，主成分分析法技术允许在数据和标准的识别他们的表达方式，在这样一种方式，他们的相似性和差异强调。一旦模式被发现，它们可以被压缩，即，他们的尺寸可以减少没有多少损失的信息。总之，主成分分析法可能是用于数字图像压缩算法，具有低的损耗关键技术1发布日期2014.10.25主要特点：主成分分析的图像压缩详细数据压缩信息灰度和RGB图像的支持快速优化实现演示代码（保护p-files）可用绩效评价

C#中绘图主要使用GDI+，其效率比传统的GDI低，但C#中已经的库中又不包含传统的GDI函数，本程序将windows api中的绘图部分重新引用封装，达到在C#中使用GDI的功能，提高了绘图的效率。

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择