GPSDREKF

说明：  包括三种gabor方案，3尺度4方向、4尺度6方向、5尺度8方向(Includes three gabor schemes, 3 scale 4 direction, 4 scale 6 direction, 5 scale 8 direction)

Fast Discrete Curvelet Transform有正反变换,各个程序里面的参数都有详细的说明.(Fast Discrete Curvelet Transform are pros and transform, inside the various parameters have detailed explanations.)

SEEDS超像素分割算法的源码，C++实现，可运行(The source code of SEEDS Superpixel picture segmentation)

可以Raw格式图片(you can open raw file with the .m code.)

一些常用的图像处理评价指标，处理后图像对比度，边缘剩余数，处理前后图像的相似性....(Some commonly used image processing evaluation, contrast, edges remaining number of similarities ....)

说明：  labview基础视觉识别的东西，讲的很细(The basic visual recognition course of LabVIEW is very detailed.)

基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展。(Image registration is a fundamental problem in image processing, which is a process to match two or more images of the same scene taken at different times, from different viewpoints, or by different sensors. Image registration is an important technique for a great variety of applications such as medical image analysis, computer vision, remote image data analysis, image information fusion, and the recovery of the 3–D characteristics of a scene.)

cv阈值去噪方法和贝叶斯阈值去噪方法，这两种方法是很常见的阈值去噪方法。(cv thresholding method and the Bayesian thresholding methods, the two approaches are very common thresholding methods.)

未来线路预测,分析误差,粒子图像分割及匹配均为自行编制的子例程，能量谱分析计算。( Future line prediction, error analysis, Particle image segmentation and matching subroutines themselves are prepared, Energy spectrum analysis and calculation.)

说明：  利用那些已经被破坏的区域的边缘， 即边缘的颜色和结构，根据这些图像留下的信息去推断被破坏的信息区的信息内容，然后对破坏区进行填补 ，以达到图像修补的目的(Using the edge of the damaged area, i.e. the color and structure of the edge, the information content of the damaged information area can be inferred from the information left by these images, and then the damaged area can be filled to achieve the purpose of image repair.)