watermarking

应用背景Mean shift作为一种有效地特征空间分析方法，在图像滤波，图像分割，物体跟踪等方面都有广泛的应用。OpenCV分别实现了mean shift用来做跟踪、分割和滤波的函数。关键技术OpenCV分别实现了mean shift用来做跟踪、分割和滤波的函数。 其中滤波的c++函数原型为： void pyrMeanShiftFiltering(InputArray src, OutputArray dst, double sp, double sr, intmaxLevel=1, TermCriteria termcrit=TermCriteria( TermCriteria::MAX_ITER+TermCriteria::EPS,5,1) ) src和dst分别为输入和输出图像，8 bit,3 channel,sp和sr为空间域和颜色域的半径，maxLevel为分割用金字塔的最大层数，termcrit为迭代的终止条件。、 分割的函数原型为： void gpu::meanShiftSegmentation(const GpuMat& src, Mat& dst, int sp, int sr, int minsize, TermCriteria criteria=TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 5, 1)) 大部分参数与pyrMeanShiftFiltering相同，minsize为最小的分割区域大小，小于这个大小的区域会被合并。 OpenCV sample里用pyrMeanSh

asdasdakjsdhlajsdlnhajsdlajslkjadsndauhsiduhaosiudhasiudhoaiusdhoauishdoiuashdiuaashdihausiduhaisuhdiaushdiuash u208908723987sdu hasuydgas7 9a7s6 9a7sd987 asbd987asdouahsd078as9 78as9 87 auh jahsbkdhabs kdhba kshdb ajhb kjabhs iuyagsdiyas 98a7s 9a7 07asodadoabhs 藻

用于实现SPIHT算法的Matlab代码；

这一项目显示了如何执行的基于另一个彩色图像的灰度图像重新着色的示例。它简单使用彩色的图像的作为模板来创建搜索会派生的灰度图像的新的 RGB 值的哈希值。代码使用仅 ImageIO，没有额外的库所需。

图像分割。用于测量分割图像的性能。这里给出了MD、PSNR等指标。

粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率， 可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样 法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行 近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式 的概率密度分布。

边缘检测是图像处理中的最重要的主题之一。为此提出了许多方法但他们大多有表现疲弱中噪声的图像，因为噪声像素决意作为边缘。在这个项目中，两种新方法表示基础上分层自适应神经模糊系统 （HANFIS）。每个方法包含 HANFIS 营办商，收到的一些邻近的像素的值，并决定所需数目中心像素的边缘与否。列车简单图像用于设置每个 HANFIS 运算符的内部参数。实验结果表明这些方法是对脉冲噪声鲁棒性，准确提取边缘像素。

VTK ,三维重建, 程序.

图像配准是一种确定待拼接图像间的重叠区域以及重叠位置的技术，它是整个图像拼接的核心。本文采用的是基于特征点的图像配准方法，即通过匹配点对构建图像序列之间的变换矩阵，从而完成超宽幅图像的拼接。为了提高图像配准的精度，本文采用了RANSAC，LM等算法对图像变换矩阵进行求解与精炼，达到了较好的图像拼接效果。

均值滤波, or 平均滤波是窗口筛选器的线性类，这种平滑信号 （图像）。筛选器作为低通一个人工作。筛选器背后的基本思想是任何元素的信号 （图像） 以平均跨及其邻近地区。要明白这是在实践中如何，让我们开始与窗口 idea.when 你有纸和盐噪声图像，可以使用平均掩码。此代码表明，怎么可以在利用 quickbird 卫星影像中使用均值滤波并用 5 * 5 掩码