weixin_46510704的博客

MATLAB编成，使用了颜色直方图，颜色矩，小波等特征提取了垃圾图像的特征，而运用神经网络的方法对图像进行了分类，有漂亮额GUI界面

1.将表层毛细血管丛和脉络膜毛细血管的图像导入MATLAB 2.表层毛细血管会在脉络膜毛细血管层上留下伪影，所以要先除去脉络膜毛细血管上的阴影伪影。我我们对视网膜浅表血管丛图像进行阈值处理以创建二进制蒙版。然后，我们将遮罩覆盖在脉络膜毛细血管图像上，这有助于我们识别脉络膜毛细血管图像上的伪影。 3.为了识别脉络膜毛细血管图像中的血流空隙，我们首先应用了高斯平滑滤波器来减少脉络膜毛细血管图像中的斑点噪声，然后对脉络膜毛细血管图像做阈值处理。 Imean表示脉络膜毛细血管图像的平均像素强度，而表示正数，该值与脉络膜毛细血管图像的像素强度的标准偏差相乘。正常人的数据库中，平均SD灰度级约为47，（图像动态范围从0到255）。 经过计算低于该阈值的的像素即为血流空隙（图3e中的绿色） 4.最后只留下绿色的像素，同时二值化（即为f图）

使用SVD的算法，提取出红外的图像的主成分，根据公式计算定位出红外目标点的位置，自己写的，实测可用，具有一定的研究意义

这个是基于图像块的红外弱小目标检测，使用的是IPI的方法，检测效果十分的好，自带n张红外小目标的图像

为 提高车站客流统计的精度使其可以准确预警， 针对传统的客流统计方法步骤繁琐、准确率低等局限性， 对基于卷积神经网络的行人人头检测方法进行研究。 首先在常 州 某车站安检站台 处通过高位摄像头采集行人的 人头数据库； 然后通过不同的行人特征提取网络（ Ｉｎｃｅｐｔｉｏｎ 模块、 Ｒｅｓｎｅｔ 、 Ｍｏｂｉｌｅｎｅｔ ） 与 Ｆａｓｔｅｒ　Ｒ － ＣＮＮ 、 ＳＳＤ 、 Ｒ － ＦＣＮ 等目 标检测结构组合的方式来对比探究各种行人人头检测组合模型的准确率和检测速度， 并选择最优的行人人头 检测方法； 最后通过模型试验分析， 结果显示 Ｉｎｃｅｐｔｉｏｎ － Ｖ２ 特征提取网络与 Ｆａｓｔｅｒ　Ｒ － ＣＮＮ 目 标检测结构组合的行 人人头检测模型具有较高的准确率和较优的实时性， 这种行人人头检测方法对客流预警具有重要的意义。

采用图像基于颜色，灰度的方式分割，二值化后填补漏洞等方式，找到椅子图像有缺陷的地方，在二值图像上标记，可以用于实验或者生产实践，matlab版本的，适合初学者！！