FPGA中值滤波_ISE和MATLAB程序

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。

采用迭代法获得图像二值化的阈值，虽然迭代法在计算过程中，比较费时，但是求得的阈值比较准确。采用自适应背景更新的方法，获得车辆的二值图像，并对车辆进行矩形框标记。

matlab练习程序（弧形、圆柱投影的复原） 前一段介绍了从矩形图像到圆柱的正向投影，看这里和这里。今天介绍如何从已经投影的图像反映射到原图像上。本来此种变换一定是需要数学公式的，不过这里只是用了一个很简单的方式来完成反映射。具体就把每一列有像素数据的长度拉伸到原图像的高就行了。

 二维离散余弦变换的图像压缩, 程序能够运行出正确的结果，希望对各位有帮助。 

近年来，加速增长的数字媒体收藏集和特别是静止图像集合，这两个专有和在网络上，建立了需要为发展的人类-为中心的高效的访问和检索的视觉信息的工具。需要管理这些图像和目标图像响应用户查询 h 的定位成为一个重要的问题。图像分类是有效地处理海量图像数据库的重要一步，使高效的检索算法的实现。图像分类是指的一种数字图像分为不同的类别，在特定的数据集，基于属性值内的分组。这样做的目的是为了替换图像数据的可视化分析与定量技术。本项目提出了图像分类技术的基础使用离散余弦变换、 沃尔什变换的变换后图像的特征向量。特征向量的各种大小是 8 × 8、 16 X 16、 32 X 32、 64 × 64 和 128 × 128 等生成的。所提出的算法被过的数据库1000 幅图像传播超过 10 个不同的类。欧氏距离作为相似性度量。设置一个门限值来确定查询图像属于哪一类的。

本人发表的一篇中文核心的程序代码。是camshift目标跟踪检测的C++代码。里面还借助了部分OpenCV视觉库中的函数。程序是完整可用的，只要自己加载进一段运动视频即可。

一种新的单目标长时间（long term tracking）跟踪算法。该算法与传统跟踪算法的显著区别在于将传统的跟踪算法和传统的检测算法相结合来解决被跟踪目标在被跟踪过程中发生的形变、部分遮挡等问题。同时，通过一种改进的在线学习机制不断更新跟踪模块的“显著特征点”和检测模块的目标模型及相关参数，从而使得跟踪效果更加稳定、鲁棒、可靠。

评估

应用背景平均背景法是一种学习背景场景和分割前景目标的简单方法。这种方法只能用于背景场景中不包含运动部分。而且，这种方法还要求光线保持不变，比如室内静止场景。关键技术 在视频对背景进行建模的过程中，每2帧图像之间对应像素点灰度值算出一个误差值，在背景建模时间内算出该像素点的平均值，误差平均值，然后在平均差值的基础上+-误差平均值的常数(这个系数需要手动调整)倍作为背景图像的阈值范围，所以当进行前景检测时，当相应点位置来了一个像素时，如果来的这个像素的每个通道的灰度值都在这个阈值范围内，则认为是背景用0表示，否则认为是前景用255表示。

此代码将检测图像，然后使用肤色属性检测人脸