PNLM

根据超限像素平滑定义用 Matlab 自编写超限像素平滑法滤波(Super pixel smooth)

说明：  SVM支持向量机在图像分割中的应用，包含Matlab源代码和SVM所用函数。(The application of SVM support vector machine in image segmentation, including Matlab source code and functions used by SVM.)

蚁群算法应用在图像分割中，matlab程序(Ant colony algorithm is applied to image segmentation, matlab program)

说明：  ORB-SLAM 基本延续了 PTAM 的算法框架,但对框架中的大部分组件都做了改进, 归纳起来主要有 4 点: ORB-SLAM 选用了 ORB 特征, 基于 ORB 描述量的特征匹配和重定位, 都比 PTAM 具有更好的视角不变性。此外, 新增三维点的特征匹配效率更高, 因此能更及时地扩展场景。扩展场景及时与否决定了后续帧是否能稳定跟踪。ORBSLAM 加入了循环回路的检测和闭合机制, 以消除误差累积。系统采用与重定位相同的方法来检测回路(匹配回路两侧关键帧上的公共点), 通过方位图 (Pose Graph) 优化来闭合回路。PTAM 需要用户指定 2 帧来初始化系统, 2 帧间既要有足够的公共点, 又要有足够的平移量. 平移运动为这些公共点提供视差 (Parallax) , 只有足够的视差才能三角化出精确的三维位置。ORB-SLAM 通过检测视差来自动选择初始化的 2 帧。PTAM 扩展场景时也要求新加入的关键帧提供足够的视差, 导致场景往往难以扩展. ORB-SLAM 采用一种更鲁棒的关键帧和三维点的选择机制——先用宽松的判断条件尽可能及时地加入新的关键帧和三维点, 以保证后续帧的鲁棒跟踪; 再用严格的判断条件删除冗余的关键帧和不稳定的三维点，以保证 BA 的效率和精度。(Orb-slam basically continues the algorithm framework of PTAM, but most of the components in the framework have been improved, which mainly includes four points:)

这是一个经典的马尔科夫场程序。算法详细，而且里面含有一篇与程序对应的文献，解释非常详细，程序非常好用(This is a classical Markov field program. Algorithm is detailed, but it contains a corresponding literature and procedures, explaining in great detail, the program is very easy to use)

说明：  GS算法，图像经过多次傅里叶变换，最后提取图像的相位信息，加载空间光调制器，观察图像。(GS algorithm, the image after several Fourier transform, and finally extract the phase information of the image, loading the spatial light modulator, the observed image.)

Image processing and analysis

说明：  计算两个离散变量x和y的联合熵z = H（x，y）。 输入：x，y：两个相同长度的整数向量输出：z：联合熵 可以使用，有利于学习目的(Compute joint entropy z=H(x,y) of two discrete variables x and y. Input: of x, y: two integer vector of the same length Output: z: joint entropy good for learning purposes)

火灾探测中火焰图像分割方法研究,比较实用。(Fire detection fire image segmentation, more practical.)

基于matlab实现干涉显微镜图像重构中的二维解包裹函数。( QualityGuidedUnwrap2D implements 2D quality guided path following phase unwrapping algorithm. Inputs: 1. Complex image in .mat double format 2. Binary mask (optional) Outputs: 1. Unwrapped phase image 2. Phase quality map This code can easily be extended for 3D phase unwrapping. Technique adapted from: D. C. Ghiglia and M. D. Pritt, Two-Dimensional Phase Unwrapping: Theory, Algorithms and Software. New York: Wiley-Interscience, 1998. Posted by Bruce Spottiswoode on 22 December 2008 2010/07/23 Modified by Carey Smith)