利用主成分分析的特征提取

应用背景主要用于单目标跟踪，基于HSV颜色空间，对亮度的变化敏感度较低。关键技术改善了基于RGB色彩空间的粒子滤波的单目标跟踪。全部代码有注释，通俗易懂。

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

应用背景局部二进制模式（LBP）最初纹理描述设计。它是不变的单调的灰色规模转换，这是非常纹理分析的重要。也由于实时图像处理的图像处理是可能的。LBP可以描述纹理数字图像的形状。我们已经开发了一种快速的方法，人脸识别相结合基于微观结构的空间域分类局部二进制模式和频域获取宏信息从离散余弦变换（DCT）和许多其他功能表示人脸图像关键技术 ；我们已测试的代码在6146面（13面，477班每班平均数），获得能效比等于3.07%。人脸数据库包括6146手动裁剪128-by-128灰度图像。对于一些受试者，图像在不同的时间，不同的照明，面部表达式（打开/闭上眼睛，微笑/不笑，眼睛闪烁，…）和面部细节（眼镜/没有眼镜）。许多图像被拍摄非均匀背景的主题在一个直立的，正面的位置，与一些侧面的运动公差。数据库包括但不限于使用最常见的人脸数据集模式识别，如AT&；T的人脸数据库，JAFFE数据库，耶鲁数据库和更多。关键词：MATLAB源代码，，，LBP，地方，二进制，模式，模式，DCT，脸，识别，匹配。

可以把多张图像的BMP格式转换成YUV格式，已经调试通过，下载后只需修改路径。代码有详细注释

局部二值模式LBP（Local Binary Patterns）是一种从局部纹理定义中衍生出来的算法，所谓的纹理是图像分析中常用的鉴别特征，它所含有的信息能够表征物体表面的变化。自1996年Ojala 等人提出LBP算子以来，由于其优秀的分类特性和计算的简便性，使得其广泛的运用于图像检索、人脸分析和工业检测等领域。本资源是LBP人脸识别的实现代码。

资源描述取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址取指定MAC地址

ViBe是一种像素级视频背景建模或前景检测的算法，效果优于所熟知的几种算法，对硬件内存占用也少，很简单

颜色分类案例，展示了如何使用分类器来实现颜色识别功能。文件包含一个色谱图像、演示程序和SVM分类器文件。程序大致思想为：1. 将图像变换到HSV空间；2. 采集每种颜色的样本点，加入到SVM分类器；3. 训练SVM分类器；4. 循环获取带分类的点，进行分类识别。

该源代码是用于图像分类的，是由本人亲自完成的，主要是采用了多示例学习方法和典型的纹理描述算子相结合实现的，经过试验证明，该方法具有很好的分类效果。

灰度图，阈值判断，根据输入的图像内容，计算出当前图片的阈值范围。如果当前的图片的值 大于67，表示图片没有芯片，如果小于60，则表示有芯片，先将图片内容反转，然后处理。注意图片边缘化的处理。返回值的范围大小，可以根据的图片的亮度进行调整。