SPIHT

特征点匹配时，采用构造KD-tree，用最优节点优先法寻找最佳匹配点(Matching feature points, the tectonic KD-tree, with the optimal node is preferred method to search for the optimal matching point)

全变差图像去噪，用的分裂Bregman迭代算法，分别用到了L1,、L2、和Lp范数来做的，其中在L1模型中还用到了高斯赛德尔迭代和收缩算子，(Total variation image denoising, with split Bregman iterative algorithm, respectively, used in the L1,, L2, and Lp norm to do, which is also used in the L1 model iterations and high Sisaideer contraction operator)

KLT跟踪算法，附有程序，并附有两个例子，可以完美运行(KLT tracking algorithm, with the program, along with two examples of the perfect run)

说明：  基于OpenCV的MPEG-7特征提取，c++代码(MPEG-7 feature extraction based on OpenCV)

说明：  基于fft的数字图像处理MATLAB实现(Fft based on MATLAB for digital image processing to achieve)

关于干涉合成孔径雷达（INSAR）的图像处理程序~(Interferometric synthetic aperture radar (INSAR) image processing program ~)

具体实现思路：以4位数字的验证码为例 1、人工将验证码的4位数字每位对应的代码存入数据库中，每位存入0-9对应的代码，每个数可以多存这样可以提高识别率; 2、获取验证码以后，对其进行去背景、灰度处理、去噪点处理、分片处理以后生成每位数字对应的代码; 3、去背景色，这一步的目的是把验证码和背景颜色区别开来。4、去噪声：这一步要取出图像上的孤立点。这些孤立点被认为是噪声。  孤立点的定义：某个点，周围没有与该点等值的点。  或者某个连接块，该连接块的元素的个数小于某个给定值K， 把元素个数很小的连接块也定义为孤立点，有助于去处噪声。  去噪声算法：参照去背景算法。 5、图像锐化：图像锐化的目的是增强边界。这一步是可选的。看验证码的情况，这一步可以跳过。 6、图片有效区域截取：这个操作是将图片除验证码字符以外的边框去掉，只留下验证码字符图片，这样保证分片的准确性。 7、图片分片处理，这个处理是将整个图片分割成单个字符图片。8、拿分片图像生成的代码(eg:000111110011…..)与DB中已有代码相比较，取得相似度最高的即要验证码的字符;   注：如果DB的样本越多，识别的准确率也越高，但是速度会相应变慢

matlab图象应用广泛于图象增强,其中的Retinex图象增强也越来越受到重视,对于彩色图象的处理效果很明显。(Matlab image widely used in image enhancement, The Retinex Image Enhancement also growing in importance for color image effect is obvious.)

这是基于张亶，陈刚《偏微分方程的图像处理》书的实验及程序(image processing )

说明：  E: