这是自己写的代码，运行的还可以，对于初学者而言还是比较适合借鉴的，但是限于本人能力有限，可能对于大家的帮助未必很到位，希望批评指正！

精确地消除活动阴影对运动目标的影响是智能视频监控的核心任务之一,针对当前运动阴影检测中采用的纹理信息过于粗糙、阈值选取需要人工干涉等问题,通过对NCC(归一化互相关)纹理算法进行改进,并结合亮度和归一化颜色特性,提出一种自适应的运动阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色的特性筛选出候选的阴影区域,结合改进的纹理算法进一步缩小阴影区域范围,最后利用空间后处理得到真实阴影。实验结果表明,该算法在有效降低噪声干扰的情况下能够较好区分局部纹理不明显的运动目标和阴影。

行业资料-交通装置-一种基于通信模块的车辆营运状态指示器.zip

基于纹理聚类的抠图算法.pdf

基于图像纹理，通过图像灰度值或真彩值，构建灰度共生矩阵，提取7个特征值，利用欧氏距离，求图像相似度

基于纹理特征融合的人脸表情识别.pdf

提出了一种基于纹理的车牌定位方法。首先提取汽车图像的边缘，再连接水平方向上距离较近的边缘点，通过数学形态学操作形成若干候选区域，然后根据水平方向边缘线段长度和投影直方图进行精确定位，最后根据尺寸判断候选区是否为车牌。实验结果表明，该算法定位准确率能达到93.7%，平均定位时间为435 ms。

基于纹理坐标校正的三维多路视频融合，杨林，杜昭辉，为了解决多路具有重叠区域的视频图像与三维虚拟场景模型进行融合显示时出现的画面拼缝现象，提出了基于SIFT特征点匹配和纹理三角��

基于纹理特征的视网膜图像分割算法研究_赵树.caj

多媒体娱乐中广泛使用的艺术视频风格化将给定的视频转换为不同的艺术风格。 现有的大多数视频样式化算法都可以模拟单个或有限的视频艺术风格。 尽管某些算法可以实现多种样式的视频处理，但是这些算法复杂且难以实现。 为了解决这个问题，我们提出了一种基于纹理平流的多样式视频风格化算法，其中合成了不同的艺术风格，并从用户指定的期望风格的纹理样本中转移了这些艺术风格。 我们使用方向场引导的纹理合成来计算代表艺术风格的纹理层。 通过合成各向异性纹理中的方向变化，可以很好地模拟绘画方向的视频样式。 在光场下的质构对流过程中，质感层出现局部变形的区域。 为了解决这个问题，我们提出了纹理修复方法来合成有限的失真区域，并使风格化的视频在时间上保持连贯。 我们还使用CUDA并行计算框架来并行化视频抽象所使用的形态学运算，从而加快了视频的风格化。 最后，我们制作了具有多种艺术风格的风格化视频，并获得了令人满意的实验结果，包括油画，水彩画和风格化线描的风格。