chap9

说明：  基于Online Learning for Matrix Factorization and Sparse Coding的在线字典学习算法，本压缩包为作者的源代码(The online dictionary learning based on the paper "Online Learning for Matrix Factorization and Sparse Coding". This compression package is the author's source code.)

LBP（局部二值模式）特征提取，用于人脸识别，(LBP feature extraction for face recognition. . .)

matlab版的低秩表示代码，低秩表示是低秩分解的改进型(Matlab version of low rank representation code, low rank representation is an improved low rank decomposition.)

亚像素边缘检测，基于zernike 灰度矩，实现精度可达0.05个pixel(sub-pixel edge detect)

用于图像分类的源代码，深度学习的应用，cnn卷积神经网络的使用，可以自己更换数据集或者调优，适合初学者使用！(For image classification of the source code, the application of in-depth learning, cnn convolutional neural network, you can replace the data set or tuning, suitable for beginners!)

图像融合的各种Q值评价指标的代码，包括Q0,Qe,Qw,Qabf,vif等，非常适合图像融合的质量评价(Q values ​ ​ of various uation code image fusion, including Q0, Qe, Qw, Qabf, vif, etc., is very suitable for quality uation of image fusion)

Log整合功能. 自動整理紀錄檔部份檔案.(Log Arrange. Auto Message.)

基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展。(Image registration is a fundamental problem in image processing, which is a process to match two or more images of the same scene taken at different times, from different viewpoints, or by different sensors. Image registration is an important technique for a great variety of applications such as medical image analysis, computer vision, remote image data analysis, image information fusion, and the recovery of the 3–D characteristics of a scene.)

说明：  Forstner特征点提取算子，Matlab语言实现，亲测有效(Feature points detecting algorithm)

利用核函数进行遥感图像的分类，本程序再支持向量机的基础上引入了核函数进行图像分类，是分类效果更加明显(Use of nuclear function remote sensing image classification, the program no longer support vector machine based on the introduction of the kernel function for image classification, classification effect is more pronounced)