MatlabImageProcessing

说明：  光流场经典算法-LK算法，通过两幅图像计算光流场。(Lucas – Kanade Motion Estimation using Pyramids)

说明：  一个声纹识别的全代码,包括语音信号的预处理,建模,和识别(Voiceprint identification of a full code, including the speech signal pre-processing, modeling, and identification)

基于OpenCV实现的图像切割程序，通过程序中参数设置分块的数量和大小(The project is uesd to break an image into block)

基于MATLAB图像处理的车辆检测与识别（可以看看）基于MATLAB图像处理的车辆检测与识别（可以看看(MATLAB image processing based vehicle detection and recognition (can see) MATLAB image processing based vehicle detection and recognition (can see)

图像质量标准，psnr及相关系数，很实用(Image quality standards, psnr and correlation coefficients, it is practical)

说明：  带颜色恢复的MSR代码，可直接在MATLAB上调用。(MSR code with color recovery can be called directly on MATLAB.)

使用snake算法寻找图形的轮廓，GVF梯度代替传统方法取得了很好的效果。(Snake algorithm to find the outline of the graphics， GVF gradient instead of the traditional methods achieved good results.)

用SIFT算法实现了刚性和非刚性图像的配准 并且效果非常理想 SIFT的特征点的提取 描述 和匹配的算法有注释(Nonrigid Registration Using Free-Form Deformation. )

图像匹配程序，原理清晰，算法明确，功能全面(Image matching procedures, the principle of clarity, the algorithm clear, full-featured)

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:)