最小二乘法用于高光谱分解

有时候我们需要对一批图片进行同一个或同一组相同的操作，虽然手工也能完成，但毕竟太耗时耗力。python脚本提供了一个强大的工具，通过几行简短的代码便可以将人工需要几个小时甚至更久的工作交给计算机完成，而你便可以做其他事情了。这个文件时一个例子，将一个文件夹中的所有某种格式的图片转换成另外一种图片。

手势检测从视频序列中检测到手并定位手的区域，该过程对于特征的选择与处理相当关键，肤色及运动信息是经常被采用的两个有效的特征。但是，现实环境中由于光照变化、背景复杂及其它不可预知的干扰，仅一个特征往往不能有效地定位出手，需要多种特征互补，手势检测方法分为基于肤色信息、基于运动信息及多信息结合三类。本实验通过肤色信息检测出人手的位置，并使用红色矩形框框出区域。该实验从视频中检测出人手并定位手的区域。

RGB转HSI中S分量的代码，在视频增强器中需要用到的算法转换，根据这种算法可以将其移植至FPGA中，在FPGA中实现。

Use a standard Lena image as the ground truth, then calculate the PSNR (Peak Signal-to-Noise Ratio) & MSE (Mean Square Error) values of another test image. Note: The two images must be with the same size. The main code: MSE = double(Sum_SE)/(H_src*W_src) PSNR= 10*log10(255^2/MSE)

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。

运用5种不同的梯度增强法进行图像锐化, 程序能够运行出正确的结果，希望对各位有帮助。

Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。结合Klaman进行轨迹预测。

我发现这段代码很久以前没有作者引用。但这个程序基于 Leandro Ascierto 的代码。() http://leandroascierto.com/blog/qr-code/这个条码程序将读取，且即使出照片，图像文件或摄像头的 URL 创建 QR 码。

资源描述 相位追踪 OFDM 无线通信符合802.11规范 模块使用Verilog代码编写 是其中的压缩缩放因子。 与相关的上下接口，在FPGA上验证速度可达200MHz.

HMM模型算法程序，对于学习动态手势识别很有用，包括后向算法估计参数，前向后向算法、BaumWelch算法的实现