资源列表
Information-on-image-enhancement
- 关于图像增强的资料，利用变分偏微分的方法，易懂有效。-Information on image enhancement.Using the variational partial differential method, it is understandable and effective
156423
- 为实现教室监控视频中多目标智能跟踪，研究提出了一种基于前景检测修正和梯度特征的改进型ＣａｍＳｈｉｆｔ算法。该算法利用收敛速度分段分区可调的背景重建算法对视频序列进行背景重建与前景检测。综合考虑了前景检测结果，图像 梯度和颜色特征，进行ＣａｍＳｈｉｆｔ目标跟踪。该算法能自适应调节梯度与颜色特征融合比例，对强光有一定的抑制作用。开发了实验软件，仿真结果表明了所提算法的有效性，为解决教室照明用电浪费问题提供一个可行的解决方案。-Surveillance video in the classroom
1756456
- 设计了一种基于TMS320C6455与FPGA 的实时图像跟踪系统，该系统首先采用MAX9526 采集图像，利用FPGA 对图像进行均值滤波，滤波后数据采用乒乓方式传输给DSP。Mean Shift 跟踪算法采用图像像素灰度距离中心点的距离作 为目标特征建立核函数，实现对目标的实时跟踪。实验表明，该系统具有良好的实时性与稳定性。-Designed a real-time image-based tracking system TMS320C6455 and FPGA, the system
gangjingshushu
- 能完成钢筋数数，图像分割，直线检测，边缘检测，很好用。-Can finish the reinforcing bar counting, image segmentation, straight line detection, edge detection and works well.
grayopen
- 使用halcon对图像进行灰度值开操作，希望帮助到某些人，喜欢就下载吧。-halcon gray open
GrabDemo
- DALSA相机抓取图像的Demo，很方便的编写图像处理软件，喜欢就下载吧-Dalsa computer vison
qvision.0.8.1
- Qt环境下使用的计算机视觉库，很方便的编写Qt图像处理软件，喜欢就下载吧-Qt computer vison
OpenGL_CPP_mfc
- 使用C++编写的openGL的mfc项目，使用到了一些，贴图，渲染，音乐，鼠标键盘事件。作为了解OpenGL有抛砖引玉的功能。-Written using openGL C++ the mfc project, use to some, textures, rendering, music, mouse and keyboard events. There are better ideas as to understand the function of OpenGL.
Bregman_Matlab_demo
- 这是bregman迭代的小例子，看完之后对图像处理的优化帮助很大，你可以掌握其中的优化算法，很好，很实用-This is the iterative Bregman small example, after reading on the optimization of image processing helps a lot, you can grasp optimization algorithm, which is very good, very practical.
svmtest
- 简单地支持向量机的测试程序，希望对你们有用,它是测试两个线性分类的。-A simple test program to support vector machine, and I hope useful to you.
lcd
- 使用C语言编写的LCD操作界面程序，带触屏功能所以请确认你的运行环境中是否有tslib库！-Using C language LCD user interface program, with touch-screen functionality so make sure your operating environment if there tslib library!
LDA_KNN_OA
- KNN是有监督的分类算法，将测试点归类为其K个进邻点中出现次数最多的类别。KNN_Cla 1.利用所有带标记的数据作为train数据，调用KNN分类函数KNN_Cla（）对整个图像进行分类，得到整个图像的分类结果图。 2.随机在所有带标记的数据中选择train和test数据（50 train数据，50 test数据）然后进行kNN分类。随机选择10次，计算总体分类精度OA，然后求平均结果，作为最终对算法的评价。K值依次选择1,3,5,7,9,11，分别用这6种K的取值进行kNN算法