K-means算法

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

粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率， 可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样 法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行 近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式 的概率密度分布。

应用背景视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg视频提取MV---ffmpeg关键技术 ================================================================================= 运动估计 H264     视频协议 ============================================================================================

这是各向异性扩散算法由P.Perona和J.Malik实施。此算法的目的是减少斑点噪声，同时保留边缘。

我上传的这个Matlab源程序代码是Gabor滤波器在Matlab下的源代码，内容详细，对初学者来说是很好的资源，很容易就看明白，而且直接在工作空间中运行就会得到结果

应用背景图像的特征提取和特征匹配，用sift算法，SIFT特征检测算法 ，检测的特征点具有平移、旋转、尺度变化不变性，实验效果较好。-The SIFT feature detect algorithm.The feature is scale- and rotation-invariant.The algorithm performs well in experiments.关键技术sift提取特征，然后进行匹配。基于SIFT的图像配准程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力-Hot and difficult of the current research areas of domestic and foreign feature point matching based the SIFT image registration program SIFT feature matching algorithm is its ability to match between the two images, can handle translation, rotation, affine transformation case match problem, even in some degree images taken at any angle with more stable feature matching ability

本代码是利用凸优化对L1范数进行优化，从而达到对系数图像去噪的效果，输出为去噪后图像以及噪声图像，本代码对椒盐噪声去除效果尤为明显

里面有三个程序：第一个读取视频序列，程序里有提取视频序列的简单易懂的例子，提取视频帧并可以对视频帧进行你想要的处理，程序中也有对视频序列进行用canny算子的边缘提取处理，并且与原视频对比输出，你也可以更改里面的处理程序来满足自己的需要。第二个是对特征点的跟踪，在视频中提取运动物体的特征点，并对特征点进行跟踪。第三的是提取前景物体。这些程序分开编写可以让大家更得理解，也可以更好的运用的自己的大型项目中。

应用背景用python语言写的，基于OpenCV的小程序，可以开启摄像头，并按下Esc键截图，同时有C++版本的，希望对你有用，也希望一起交流！关键技术OpenCV的简单应用，利用index值开启相机，并判断在Esc键按下截图并退出，支持python和C++两种语言，方便灵活运用，同时代码附有详细注释，可以让你更好理解每一句代码的含义，帮助你读懂程序，谢谢！

本文介绍了视频增强技术的方法，包括空域增强和频域增强，叙述了几种重要滤波器的优缺点及其适用范围。对有雾图像进行分析，找出雾天图像退化的主要原因是灰度值集中在一个比较高的水平。然后针对这种情况对图像进行处理，使得图像对比度增强。以直方图均衡化为主线，搭配了一些其他处理，达到了较好的处理效果。