tshtoppop3的专栏

为了克服ＳＩＦＴ 算法直接应用在车牌提取中表现出来的执行时间过长、误配率高的缺陷，提出了一种基于ＨＳＶ 颜色空间与ＳＩＦＴ 特征的两级车牌提取算法，先使用ＨＳＶ 颜色空间确定车牌的候选区域，进行快速粗定位，再使用ＳＩＦＴ 算法对候选区域进行精确定位与倾斜校正，在精确定位的同时也完成了对车牌汉字的辨识。这种方法不仅减少了ＳＩＦＴ 特征的计算量，而且也避免了复杂背景对于ＳＩＦＴ 特征匹配的干扰，大大提高了匹配准确率。最后通过编程实验证实本算法有良好的性能。

提出一种基于Ｍｅａｎ Ｓｈｉｆｔ 改进算法与连通域标记的多目标跟踪算法。在多目标跟踪过程中，对目标瞬间丢失、目标遮挡或重叠时目标跟踪失败等情况有较好的改进。在跟踪过程中，当目标丢失时，基于改进的Ｍｅａｎ Ｓｈｉｆｔ 算法能自适应调整搜索窗口尺寸和方向。通过自适应扩展搜索窗口，利用连通域标记算法搜索目标并计算其矩特征来获得跟踪目标的重心和大小信息，并将获得的位置和尺度信息作为下一帧Ｍｅａｎ Ｓｈｉｆｔ 算法跟踪初始坐标和尺度，统计目标区域颜色直方图作为Ｍｅａｎ Ｓｈｉｆｔ 算法目标模型，从而解决了因目标速度过快而引起的目标瞬间丢失问题。最后研究结果显示，这种改进的目标跟踪算法可以有效改善多目标跟踪的性能，实现目标连续跟踪。

在浮选生产中，浮选泡沫表面纹理与浮选工况密切相关，直接反映泡沫层的矿化程度（品位高低）。为了给浮选操作提供指导，提出了一种基于ＬＢＰＶ（ｌｏｃａｌ ｂｉｎａｒｙ ｐａｔｔｅｒｎ ｖａｒｉａｎｃｅ）的泡沫图像纹理特征提取方法。该方法通过融合泡沫图像局部空间结构和对比度来提取泡沫图像纹理特征，然后将ＬＢＰＶ 纹理特征应用于浮选工况状态的聚类分析。结果表明，该方法提取的纹理特征能有效反映浮选工况，且能获得更优的浮选泡沫聚类质量。

为了降低人脸Ｇａｂｏｒ 特征的维数，提出了一种新的基于Ｇａｂｏｒ 幅值的纹理表征（ＧＭＴＲ）方法用于人脸识别。ＧＭＴＲ 由伽玛分布（ΓＤ）拟合Ｇａｂｏｒ 幅值的分布来刻画，拟合的ΓＤ 参数作为纹理特征。在ＦＥＲＥＴ 和Ｙａｌｅ人脸库上的实验结果显示ＧＭＴＲ 的识别性能优于传统的Ｇａｂｏｒ 幅值特征，表明纹理特征具有更强的鉴别力。

隐私保护挖掘是近年来数据挖掘领域的热点之一，主要研究在避免敏感数据泄露的同时在数据中挖掘出潜在的知识。实际应用中，大量的数据分别存放在多个站点，因此分布式隐私保护数据挖掘（ｄｉｓｔｒｉｂｕｔｅｄ ｐｒｉｖａ唱 ｃｙ ｐｒｅｓｅｒｖｉｎｇ ｄａｔａ ｍｉｎｉｎｇ， ＤＰＰＤＭ）的研究更具有实际意义。对该领域的研究进行了详细的阐述，比较了各种方法的优缺点，对现有方法进行了分类和总结，最后指出了该领域未来的研究方向。

摘要：针对基于ＳＩＦＴ 特征描述的图像分类方法需构造多尺度极值空间，运算耗时且部分极值点无直观视觉意义，提出一种新型的图像分类方法。该方法通过网格直接提取单尺度ＳＩＦＴ 特征，并对局部特征进行单尺度词袋模型描述。由于单尺度ＳＩＦＴ 无须构造多尺度空间且保留了更多的全局信息，从而极大地降低了计算复杂度且使分类正确率得到显著提升。实验结果表明，提出的单尺度ＳＩＦＴ 比常规ＳＩＦＴ 所形成的词袋模型在分类正确率上有明显提高。

角点资料（全面！收集了很久)：Kitchen角点 KLT角点 Moravec算子 SUSAN角点 Harris角点 CSS角点 SIFT SURF Forstner角点 FART关键点等。部分有资料，部分有matlab，部分有VC程序！

Hough变换（原理讲解PPT+VC程序）

基于OPENCV的匹配算法（用SIFT特征）VC程序