nonlocal-level-set

对于鱼的游动的轨迹的视频读取 将视频变成一帧一帧的图像 观察鱼的游动(For the fish swimming track video read the video into an image of an observed fish swimming)

说明：  ＬＢＭ三维渗流计算，可以导出流场图和无量纲渗流系数(The flow field diagram and dimensionless seepage coefficient can be derived by LBM three-dimensional seepage calculation)

该代码描述了一种用Gar小波进行纹理特征提取方法，可用于图像分析、视频处理、以及模式识别前期建立模式向量。(The code describes a texture with Gar wavelet feature extraction methods can be used for image analysis, video processing, and pattern recognition pre-established pattern vector.)

说明：  对于单基地SAR，使用BP算法进行成像，展示回波信号幅度、相位、距离压缩后以及最后成像的图像。(For single base SAR, BP algorithm is used to image, which shows the amplitude, phase, distance compressed and final image of echo signal.)

说明：  可以实现背景和目标的分离,效果还是不错的(about matlab programe)

图像拼接，用于实现多种格式，批处理遥感数据(Image mosaic, used to implement a variety of formats, batch processing of remote sensing data)

python语言，使用卷积神经网络的特征做图像检索(image retrieval using CNN)

卡尔曼滤波、无迹卡尔曼滤波、扩展卡尔曼滤波等滤波程序，本人收集了实验室所有这个方面的程序，欢迎大家下载，非常好用~(Kalman filtering, unscented Kalman filter, extended Kalman filtering, filtering program, I collected all the aspects of laboratory procedures, are welcome to download and very easy to use ~)

通过sift算法进行图像配准，配准效果好，精度高(Image registration algorithms sift through the good registration results, high precision)

使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。()