人脸识别的matlab代码

DIB的封装类，可以处理BMP位图，平移，放大等等

数字信号处理的实验，第一个是DFT与DHT性能比较，是用matlab写的，第二个是FFT的实现

matlab 程序代码来计算编码 h.264 值 在计算能力和技术最近的增长推动了需要高度安全的数据通信。安全通信的最佳技术之一是信息的隐写术的隐藏的传达到存在一种艺术。加密技术，称为双隐写术，结合使用隐写术的过程开发一个坚固的模型，在确定任何隐藏和加密的数据中添加很多的挑战。使用加密技术来加密数据之前传输可能会阻止任何类型的安全问题。但伪装加密数据的外观可能会引起怀疑。因此使用内隐写术的密码系统，引起的双隐写术，将提供更好的安全性改进的版本。提出了隐藏数据与二能级的安全性，以嵌入数据加上良好的感知透明性和高负载能力的一种技术。提出了一种新型的数据隐藏直接在 H.265/HEVC 视频流的压缩版本，其中包括以下三个部分，即数据加密、 视频压缩、 数据嵌入和提取数据。通过分析 H.265/HEVC 编解码器，码字的快速模式的属性码字的运动矢量差异都用以掩饰视频流中的数据。数据隐藏是直接在压缩的 H.265/HEVC 视频码流进行的。这项计划可以确保格式的法规遵从性和严格的 file 大小保存。

本例程是应用12864上下屏显示，以F020单片机为开发板设计的一款测试软件。可以简单应用到各个方面。引脚修改简单，备注清楚，方便大家使用。

对于人脸检测的人脸样本准备，通常需要手工从图像中截取人脸区域，为了程序鲁棒性的考虑，生成的人脸样本需要还要有一定角度的旋转；对基于统计训练的图像自动标定（image alignment，比如Active shape model 或Active appearance model）方法来说，第一步工作就是手工在图上把物体轮廓标出来，这些点一般称为landmark。 程序就主要完成这两个功能： 1.先准备个标准形状做参考，比如从论文里找这样一张图，用ginput按顺序选68个点（68个点的定义见CMU那帮人的论文，文

在Altera FPGA上实现的视频处理系统工程程序，通过采集AV通道的视频数据，存储到SDRAM中，然后读取数据进行处理，最后VGA口输出。可以灵活的添加其他处理模块，如定义LCD显示，音频处理，LED灯点亮、数码管显示等模块。

在DSP上实现图像移位的操作，用C语言写的，代码简洁，YUV图像的操作。

读入图片，并将直角坐标系下的图片转换为对数极坐标下的图片，此方法可以用于求的图像的旋转、偏移以及缩放量

本程序可以将彩色的rgb图像转化为gray灰度图像，而且速度很快，用C++语言编写，经测试没有错误，里面附有测试图片，欢迎下载。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。