第一部分:VML入门 第一节:VML基本概念 第二节:Shape对象与VML坐标系 第三节:Line,Polyline(线)对象 第四节:Rect,RoundRect(矩形)对象 第五节:Oval(圆)对象 第六节:Image(图像)对象 第七节:Group容器 第八节:ShapeType给VML制作模版 第二部分:VML编程技巧 第一节:脚本动态生成VML 第二节:放大缩小VML 第三节:给VML增加事件 第三部分:VM

运动目标检测是数字图像处理技术的一个重要组成部分,它是计算机视觉、模式识别、 目标识别与跟踪、运动图像编码、安全监控等研究领域的重点与难点,在军事、国防和工业 等领域有着广泛的应用前景。序列图像的运动分析因其巨大的应用价值而受到广泛的重视. 它的基本任务是从图像序列中检测出运动信息,简化图像处理过程,得到所需的运动矢量,从 而能够识别与跟踪物体。正确地从视频流中提取运动目标是许多智能视频监视系统，如：视 频监视，交通自动监控，人体检测与跟踪等的基础部分。本文讨论了一种用于智能

基于矢量量化的视频图像压缩编码方法研究 基于矢量量化的视频图像压缩编码方法研究-Video image based on vector quantization compression method based on vector quantization compression method of video image

把 SIFT 算法应用在牙齿模型图像上，检测牙齿图像的特征点。 方法：首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息，从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点，得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度，并采用 KNN 算法进行特征匹配。 结果：通过大量的实验和与其他特征提取方法相比较，该方法能有效地检测牙 齿模型图像的特征，并为牙齿