数字全息

利用压缩感知实现波达方向估计，运用奇异值分解对接收信号进行降维，再利用L1范数进行估计(Using compressed sensing DOA estimation using singular value decomposition to reduce the dimensionality of the received signal, and then using the L1 norm estimate)

启动电脑外接USB摄像头， 完成的1-5数字手势识别(Start the computer to connect the USB camera to the 1-5 digital gesture recognition)

基于小波变换模极大的多尺度图像边缘检测,比较简单，但实用，是本人模式识别程序的一部分(Based on wavelet transform modulus maxima of the multi-scale image edge detection, relatively simple, but useful, is himself a part of pattern recognition procedures)

N-FINDR算法，高光谱图像无先验知识下的端元提取算法，最后计算每种端元的丰度(N-FINDR algorithm for hyperspectral image without prior knowledge of endmember extraction, and calculate the abundance)

图像分割中的分水岭算法实现--图像灰度变化--图像增强--多维图像(Watershed image segmentation algorithm image change image enhancement multi-dimensional image)

介绍了粒子滤波目前主要应用领域, 最后对粒子滤波的发展提出了展望。(Describes the particle filter is currently the main application areas, and finally the development of particle filter raised prospects.)

利用傅立叶变换和相位相关法来检测图象的区域复制伪造(Use of Fourier transform and phase correlation method to detect forged images of the regional replication)

编码： （1）进行颜色转换，将RGB格式转换为YUV格式。 （2）将待编码的N×N的图像分解成(N/8)^ 2 个大小为8×8的子图像。 （3）对每个子图像进行DCT变换，得到各子图像的变换系数。这一步的实质是把空间域表示的图像转换成频率域表示的图像。 （4）对变换系数进行量化。 （5）进行Z字形重排 （6）使用霍夫曼变长变码编码器对量化的系数进行编码，得到压缩后的图像（数据）。 解码： （1） 对压缩的图像数据进行解码，得到用量化系数表示的图像数据。 （2） 进行反Z字型重排 （3）用与编码时相同的量化函数或量化值表对用量化系数表示的图像数据进行逆量化，得到每个子图像的变换系数。 （4）对逆量化得到的每个子图像的变换系数进行反向正交变换（如反向DCT变换等），得到(N/8)^2 个大小为8×8的子图像。 （5）将(N/8)^2 个大小为8×8的子图像重构成一个N×N的图像。 （6）进行颜色组合，将YUV格式转换为RGB格式图像。(JPEG compression and decompression process)

说明：  基于卡尔曼滤波的camshift算法，实现目标跟踪(CAMSHIFT algorithm based on Kalman filter for target tracking)

一种细化的骨架提取算法 可以提高徐璈的处理厚重图像(sgsdgsdgsdgggs skeleton extraction)