结合Sift描述符和Surf描述符对图像的防伪检测

自适应立体匹配算法  是当前有效的处理立体匹配的算法  能到较好的视差图

SFW信号，计算往返的最初时延，这段程序只画出两个频率点 第一个和第11个，将E_H_separate向量中加入高斯白噪声，10*3e5关于SHH的运算式每一行是每个脉冲（也即每个频点）对应的S混频，下变频。fftshift作用是将零频放在最中间 1*3e5矩阵

以MFC作为平台，vtk读取dicom文件，显示横断面，矢状面，冠状面，实现交互MPR。编译成功，实现基本功能的阅读。可能有些小问题。但是问题不大。显示成像基本功能实现

应用背景一个递归的区域为2D和3D图像集和二进制掩码输出多边形生长算法。这个函数的主要目的在于清洁和高度记录的代码。关键技术使用方法： ；[ J ] = P，区域生长（CIM，initpos，thresval，maxdist，tfmean，tffillholes，tfsimplify）输入： ；CIM：二维/三维灰度矩阵 ；- initpos：初始种子位置 坐标；- thresval：要包括 绝对阈值；- maxdist：最大距离在【PX】 初始位置；- tfmean：更新的区域意味着初始值（慢） ；- tffillholes：填充封闭孔的二进制掩码 ；- tfsimplify：减少线路简化顶点个数输出： ；P：vxn阵列（有点尺寸，N V号）。P是封闭的多边形的所有相关像素/体素 ；J：二进制掩码（具有相同的大小作为输入图像）显示1（真）相关的像素/体素和0（假）之外

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

图像二值化 Otsu 阈值

下面的 Matlab 项目中包含的源代码和用于 RGB 图像，使用小波变换压缩的 Matlab 例子。RGB 图像只能压缩，然后进行处理。在项目文件中列出了源代码和包含在此项目中的文件。小波变换是图像压缩的最佳技术。

可能你不玩GIS，不懂这个库到底有什么用，或者和python 有什么关系。但是你要玩GIS，RS，你就应当知道这个库的价值。就算你不玩GIS，我想这个库对你也应该有致命的吸引力。为什么？看下面的介绍吧！报考：安装，GDAL 库的一些细节，GDAL 创建数据集，关于空间参考，坐标系之间的转化，把dem 地形转化成vrml 虚拟现实，GDAL部分类说明等

资源描述这是一个应用程序使用Java开发和ExtJS做基于GCP点图像校正所使用的参考图像，如谷歌地图。本文提出的图像为TIFF格式，它支持输入图像为JPEG文件。它使用GDAL和仿射变换的图像格式和阅读的精馏过程。

凌鹏图片分割工具，用于将指定的图片分隔成若干个小图