基于多目标遗传算法的音频水印

这是一个基于高斯背景建模的前景检测算法，效果还可以，不过摆脱不了高斯建模本身的缺点，那就是需要学习，需要有几帧视频来学习建模，得到背景。

开发H.264视频编码算法开源代码：JM8 或者 X.264 (自行查找)实现算法：baseline profile ，含H.264算法参数设置(分辨率、帧率（I/P:15-20）等）和解码后的I帧缩略图（如每5秒抽取一帧/一分钟视频）输入：AVI(非压缩AVI，文件会较大，5分钟内为佳） 输出：解码后的信息（平均码率等）及缩略图分辨率：320X240，D1、720皆可

应用背景 Win7: DirectShow SDK 做为 Windows SDK(GRMSDK_EN_DVD.iso) 的一部分，不再有单独的 DirectX SDK 包。 在 DirectShow 中，应用程序要实现功能就必须将这些 Filter 链接在一起，因而一个 Filter 的输出就变成了另一个 Filter 的输入。这一系列串在一起的 Filter 称为 Filter Graph。 关键技术DirectShow 是一个 Windows 平台上的流媒体框架，提供了高质量的多媒体流采集和回放功能。 Filter 实质是一个 COM 组件，所以学习开发 Filter 前你应该对 COM 相关知识有点了解。COM 组件的实质是实现了纯虚指针接口的 C++ 对象。 应用程序开发者只需要基本的 COM 组件知识：实例化COM组件、调用接口、管理接口的引用计数。Filter 开发者则需要更多。 选择一个基类，声明自己的类。 应该清楚这个 Filter 在整个 Filter Graph 的位置，这个 Filter 的输入是什么数据，输出是什么数据，有几个输入 Pin、几个输出 Pin 等，可以画出这个 Filter 的草图。 Win7: DirectShow SDK 做为 Windows SDK(GRMSDK_EN_DVD.iso) 的一部分，不再有单独的 DirectX SDK 包。 在 DirectShow 中，应用程序要实现功能就必须将这些 Filter 链接在一起，因而一个 Filter 的输出就变成了另一个 Filter 的输入。这一系列串在一起的 Filter 称为 Filter Graph。

使用Opencv库在VC++平台下开发的基于视频人脸检测和跟踪。人脸检测使用的方法是肤色分割和Gentle Adaboost算法。人脸跟踪采用的是Camshift算法和卡尔曼滤波算法。能得到好的处理结果。

/************************************************************************* 上创建的文件: 2002年/08/30 19:33 文件名： Bmp.cpp 作者： 安德烈亚斯 · 哈特尔 访问 http://www.runicsoft.com 的更新和更多的信息 目的： 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

基于ArcGIS Engine 开发的百度地图瓦片拼接程序，可支持一个文件夹中的所有瓦片拼接，也可支持某一个文件目录下的所有瓦片拼接，要求瓦片带有txt文件来保存四个角点的坐标。采用c#语言编写，代码注释清楚，界面美观，下载后可直接使用；本人原创，已经在实际项目中多次使用，程序稳定。

应用背景基于互信息(Mutual information, I)的配准方法是利用图像本身具有的灰度统计信息来度量图像的相似度，采用一定的搜索算法得到使相似度最大的图像空间变换形式，达到配准图像的目的。两个变量的联合概率分布于完全独立的概率分布的广义距离来作为变量之间的相似性测度。由于互信息测度无需预先假设不同成像模式下图像灰度的相关性，也不需对图像进行分割和任何预处理，精度高。关键技术采用二维图像空间变换模型中的刚体变换，主要是确定浮动图像变换过程中是的互信息最大时浮动图像所旋转的角度和在x和y轴运动的位移。要求得两幅图像的互信息，则要分别求取两图像的熵和二者的联合熵，而熵的求取需要使用到图像的灰度直方图，故要先求取每幅图像的灰度直方图。这一过程中需要浮动图像在变换过程中出现的非整数坐标上的点进行灰度插值（本程序采用的是双线性插值）

应用离散傅里叶变换的快速算法FFT分析信号的频谱。深刻理解应用FFT分析离散和连续信号的原理，掌握分析过程中出现的现象及解决方法。

输入为要分解的矩阵、端元数、迭代次数、参数喇嘛塔   主要输出为丰度和端元  次要输出为obj还有迭代了几次 该程序用于高光谱分解，是在乘性迭代的基础上进行的改进，是的每个点都能达到稳定收敛。

目标检测和跟踪在许多计算机视觉应用中非常重要，包括活动识别、汽车安全和监控。在本例中，您将通过将跟踪问题分为三个独立的问题来开发一个简单的人脸跟踪系统：