二值化和灰度投影的人体定位系统

投影投影代码matlab LDA-人脸识别 程序 编程步骤： 图像的初始大小是一个大小为 128x128x3 的矩阵，对应于图像的 rgb 强度值。 对于所有计算，使用图像的灰度值，它将每个图像的维度减少到 128x128x1 矩阵。 由于在 128x128 矩阵上执行矩阵计算在平均配置的 PC 上很耗时，因此我调整了图像大小并为 40x40 矩阵、64x64 矩阵和 96x96 矩阵执行了计算。 然后将每个图像表示为向量形式，重塑原始图像矩阵执行此任务。 现在，每个图像都由一个 1600x1 的向量表示（对于 40x40 大小的图像）。 我们需要每个类的均值来计算类内散布矩阵。 一旦为该特定类计算了平均值，我们通过对集合中的每个 x 求和 Pr(C) (xm) (xm)' 来计算类内散布。 （x = 训练集中的每个图像，m = 图像的平均值） 为了计算类内散布的总数，我们将所有类的所有类内散布矩阵相加。 现在要计算类间散布，我们需要所有类的平均值和 300 个类的总平均值。 之间的散布矩阵由每个类别的求和 Pr(C)*(mm )*(mm )' 形成（m = 该类别的平均值，m` =

利用灰度投影的方法，求得两幅图像平移参数

原创Matlab求图像的水平和垂直灰度投影-tuxiangHVtouying.m [原创]Matlab 求图像的水平和垂直灰度投影

针对视频监控系统中，复杂环境引起摄像机抖动，造成运动目标检测不准确的问题，提出了一种基于分区灰度投影稳像的运动目标检测算法．首先对每帧图像进行分区，利用分区灰度投影算法对图像各分区的运动矢量进行准确提取和相关性分析，进行抖动判断，并对抖动帧进行运动补偿．然后利用高斯混合背景建模算法进行运动目标提取．最后对目标提取结果进行形态学处理，以进一步提高目标提取的精度．实验结果表明，本文算法较好地消除了场景中运动目标对运动矢量计算的干扰，实现了在摄像机抖动视频场景中的运动目标的准确检测和提取，大大降低了抖动视频目标

针对灰度投影算法运用于存在局部运动目标的情况下,稳像效果较差并且可能产生错稳这一问题,在分析灰度投影基本理论的基础上,提出一种改进的灰度投影算法:局部运动物体位置估计方法和像素替代法。利用灰度值的改变和像素替代的方法,把局部运动物体去除,再进行稳像处理。通过实验验证,该方法可以解决图像中存在运动物体时发生的错稳情况。比较改进前与改进后的稳像效果,改进后的PSRN(峰值信噪比)提高了1.35。

有关图像处理的，对人脸部的识别，对人眼部定位。

人眼定位是人脸识别的重要步骤，本文提出一种结合灰度投影与改进Hough变换的人眼定位算法。首先，通过两次积分投影进行人眼粗定位，对粗定位的眼睛灰度图像增强处理后提取边缘，然后采用改进Hough变换检测圆来定位眼球的准确位置。实验结果表明，该算法与已有算法相比，具有更为快速和精确的定位效果，并且对头部偏转具有较强的鲁棒性。

为了提高图像上直线检测的鲁棒性和精度，提出一种灰度投影积分（GPI）方法。GPI方法将需要检测的图像直接在直角坐标空间沿某个投影方向进行投影，将对应到同一投影点的像素灰度值进行累加，得到灰度投影积分向量，再旋转投影方向计算不同投影方向的灰度投影积分向量，从而得到一个原图像的灰度投影积分矩阵，再由该矩阵的极值元素所在的行和列求出图像中直线的方程。实验结果表明，GPI方法不需要事先提取边缘点，就能够快速准确地检测出图像中的直线，避免了传统方法在提取边缘点时阈值选取不当带来的直线检测误差。

　提出了一种新的人眼定位方法。使用中值滤波和直方图均衡方法去除噪声和光照对图像的影响后,将 图像做积分投影以缩小到人脸的眼部区域,在得到的眉眼区域中再做一次水平积分投影,找到两眼的垂 直位置。最后利用人眼模板沿着该垂直方向进行匹配,匹配程度最高的部分即为要定位的人眼位置。