-
opencv和MFC图像处理
利用opencv和VC环境 对图像进行各种处理 包括预处理和分割等，编写一个MFC程序框架
- 2023-05-07 22:50:08下载
- 积分：1
-
多种运动估计算法
用matlab写的运动估计程序,主要包括全搜索运动估计算法，三步法快速搜索算法等
- 2023-04-24 03:05:03下载
- 积分：1
-
收藏的几篇关于图像拼接的学位论文
收藏的几篇关于图像拼接的学位论文，讲的比较明白的那种，思路很清晰，对做全景图像拼接有较好的参考价值，不用上网花钱去下论文了。
- 2022-02-07 21:43:14下载
- 积分：1
-
基于opencv的sift运动目标跟踪
应用背景
SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。
关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。
（2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。
经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。
- 2023-06-24 03:30:06下载
- 积分：1
-
图像超分辨率
图像的超分辨率处理。将一张正方形图像先降采样变成原来的1/16，然后经过迭代反投影算法再变回原来的大小。将小图和大图比较可以发现清楚了很多。注意一定要放入正方形的图。迭代反投影算法是将模拟低分辨率图像和观测低分辨率图像的误差叠加到当前估计高分辨率图像，生成新的高分辨率估计图像，进行欠采样得到当前低分辨率模拟图像，不断循环迭代这个过程，直到误差精确达到要求范围或直到迭代次数完成（避免出现死循环）。
- 2022-03-22 22:46:38下载
- 积分：1
-
实现编辑框内文字分割截屏，预览所截屏效果，并保存为bmp图片格式
可以设置编辑框字体类型，大小，颜色属性，可以实现编辑框里文字分割截屏，可预览所截屏内容，并可在编辑框内插入位图，进行删除等操作，并且可以对所分割截屏的内容保存为图像格式。
- 2022-04-16 11:31:42下载
- 积分：1
-
基于Gabor+PCA+SVM的性别识别(3)
资源描述
资源描述(VS2010+openCV2.4.11)
基于Gabor+PCA+SVM的性别识别共有三个程序组成：1）图像预处理，从人脸数据库提取人脸，为提取特征做准备；2）运用Gabor对特征提取，并用PCA降维，训练出SVM性别分类器；3）由训练出SVM性别分类器，对输入的图像进行性别识别。这是第三部分代码。
- 2022-07-13 18:08:23下载
- 积分：1
-
粒子滤波器视觉跟踪
这些代码被用来实现粒子滤波基于视觉对象跟踪（PF），卡尔曼粒子滤波基于视觉对象跟踪，无味粒子滤波基于视觉对象跟踪。其耐用性远远超出了传统的视觉对象的跟踪算法，如均值漂移（均值漂移）和CamShiftThe码KPF和UPF的视觉目标跟踪耗费了巨大的精力，而你找不到任何相关的算法代码互联网！我们的研究小组已经优化了这些代码和应用他们开发的主动视觉目标跟踪的平台。现在，我分享他们给你，希望你爱他们！
- 2022-02-03 05:10:26下载
- 积分：1
-
C++实现图像拼接
用C++实现sift算法，实现多幅图像的读取，特征点提取，匹配以及图像的融合。可以直接上机实现。
- 2023-01-07 19:10:03下载
- 积分：1
-
光学字符识别
光学字符识别 (OCR) 的目标是进行分类 （通常载于一种数字图像） 的光学模式对应字母数字或其他字符。OCR 的过程涉及几个步骤包括分割、 特征提取和分类。每个步骤是一个字段本身，并简要地这里描述的 Matlab 实现 OCR 的上下文中。
- 2022-01-27 11:27:46下载
- 积分：1
