code_absorb_MC

说明：  用于物体目标轮廓的提取与跟踪，能更好的识别出物体轮廓。(Target contour for object extraction and tracking, to better identify the contours of objects.)

sift算法的核心，siftWin32.exe的源程序，可执行，可导入Matlab(The core of the SIFT algorithm, the source of siftWin32.exe, executable, can be imported to Matlab)

图像傅利叶变换源码程序，结合易语言位图操作支持库，通过傅利叶公式的计算变化图像。(Fourier transform image source program , combined with easy language support library bitmap operations , by calculating the Fourier formula change images.)

有关图像处理中的图像校正，MATLAB，亲测可行(ImageRegistration matlab)

求解图像的穆勒矩阵及其极分解矩阵，还有矩阵分析参数(Muller matrix and polar factorization matrix for solving image)

将肿瘤图像中的肿瘤轮廓提取，将轮廓的矩阵输入到函数中，得到肿瘤的分维结果。(The tumor contour is extracted from the tumor image, and the matrix of the contour is input into the function to obtain the fractal dimension of the tumor.)

说明：  SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。 该方法于 1999 年由 David Lowe 首先发表于计算机视觉国际会议（International Conference on Computer Vision，ICCV），2004 年再次经 David Lowe 整理完善后发表于 International journal of computer vision（IJCV） 。截止 2014 年 8 月，该论文单篇被引次数达 25000 余次。(来自百度)(SIFT, namely Scale-invariant feature transform (SIFT), is a description used in the field of image processing. This description has scale invariance and can detect key points in images. It is a local feature descriptor. This method was first published by David Lowe at the International Conference on Computer Vision (ICCV) in 1999 and published in the International Journal of Computer Vision (IJCV) in 2004 after it was sorted out and perfected by David Lowe again. As of August 2014, more than 25,000 citations have been cited. (From Baidu))

asift的matlab和c程序都在里面 大家慢慢研究吧 很好的程序(asift the matlab and c procedures are on the inside we study it slowly very good program)

Relief-F 算法是由 Kononenko 在 Relief 算法基础上扩展得到的，可以用来解决多分类与回归问题。 Relief-F 特征选择算法利用特征与类别间的相关程度判别特征的敏感程度，敏感的特征能使同类样本靠近，非同类样本远离。基本思想是： 先随机从总样本集 D中获取一个样本 R， 然后在 与 R 同类样本集中和与R 异类 样 本 集 中 各 获 取 k 个近 邻 样 本， 在 特 征 集 F中如果某个特征上异类样本的距离大于同类样本，则这个特征是有利于分类的，增加其权重，重复 n 次 取所有结果的均值作为每个特征的最终权重值.

MCA图像修复,包含MCA和EM图像修复算法(MCA inpainting)