LS_Unwrape

利用复小波计算结构相似性,是图像分析相似指数的一种方法。简单易懂！(Complex savelet structural similarity， an image similarity index,it is easy to understand.)

Gabor滤波器方法提取纹理特征的两个函数，采用5个尺度和6个方向，运用于灰度图。(Gabor filters to extract texture features of the two functions, using the five scales and six directions, applied to grayscale.)

针对多聚焦图像融合，本文首先介绍了小波变换融合算法，虽然小波变换方法无冗余，高频分量损失较小，具有较好的融合效果，但存在两个主要缺点：一是移变性，二是融合图像在重构时会受到一些外来因素的影响，所以仍会丢失一些边缘信息，为了克服小波变换法的以上缺点，可以采用基于小波分解和点扩展函数模型PSF相结合的融合方法。该方法首先对不同的图像进行无降2采样的小波分解，以保持与源图像大小相同，然后分别将其各方向、各尺度的高频分量进行叠加，并依此提取其高频分量的特征信息来判定清晰目标或模糊目标，以此来设计融合算法，采用一定的策略将两副源图像进行融合，从而避开了小波的反变换，因此融合后的图像具有比小波变换法更好的融合效果。(multi-focus image fusion, this paper introduces the wavelet transform algorithm, Although the wavelet transform non-redundant, the loss of high-frequency components are smaller, better integration effect, But there are two major drawbacks : First, the shift variability and the second is the integration of image reconstruction will be subject to a number of external factors. Therefore, there would still be some marginal loss of information, in order to overcome the wavelet transform of the above shortcomings, can be used based on wavelet decomposition and the point spread function PSF model combining the fusion method. The first pair of different images ratchet two sampling wavelet decomposition, and to maintain the same source image size. Then all of its direction, the scale of high-freque)

基于小波特征提取的图像匹配matlab程序，将图像进行二维小波变换，提取概貌系数，并去掉对特征影响不大的系数(Wavelet feature extracting based image matching)

基于NSCT变换的自适应去噪，里面包含仿真图(image denoising)

异步被动传感器系统模糊Hough变换航迹起始算法，模式识别，图形图像处理的经典算法(Asynchronous passive sensor system, fuzzy Hough transform track initiation algorithm, pattern recognition, graphics, image processing algorithm of the classical)

图像的嵌入与提取：VC++中在一个图像A中嵌入一图像B，并能把图像B提取出来。(Image embedding and extraction: VC++ in an image embedded in an image A, B, and B images can be extracted.)

说明：  LSA的第一步是要去创建词到标题（文档）的矩阵。在这个矩阵里，每一个索引词占据了一行，每一个标题占据一列。每一个单元（cell）包含了这个词出现在那个标题中的次数。例如，词”book”出现在T3中一次，出现在T4中一次，而”investing”在所有标题中都出现了一次。一般来说，在LSA中的矩阵会非常大而且会非常稀疏（大部分的单元都是0）。这是因为每个标题或者文档一般只包含所有词汇的一小部分。更复杂的LSA算法会利用这种稀疏性去改善空间和时间复杂度。(The Little Book of Common SenseInvesting: The Only Way to Guarantee Your Fair Share of StockMarket Returns ,)

相机标定源代码，包含张正友，Tsai等基于matlab的相机标定方法。(Camera calibration source code, including Zhang Zhengyou, Tsai camera calibration method based on Matlab.)

提取图像的lbp纹理特征，然后进行向量表示( Lbp extracted texture features of the image, and then vector representation)