watermarking

Matlab 的 SAR 图像去噪功能损坏由乘性相干斑噪声中描述的技术"非局部的 SAR 图像去噪算法基于 LLMMSE 小波收缩"，由美国 Parrilli M.Poderico、 简历安杰、 IEEE 货运上地球科学与遥感、 第 50 卷，第 2 页 606-616，L.Verdoliva 写的 2012年。

应用背景meanshift经常用来寻找模态点，即密度最大的点。所以这里同样可以用它来寻找这5维空间的模态点，由于不同的点最终会收敛到不同的峰值，所以这些点就形成了一类，这样就完成了图像分割的目的，有点聚类的意思在里面。关键技术首先设置好参数，然后用函数pyrMeanShiftFiltering()对输入的图像进行分割。分割后的结果保存在该函数的第二个参数即输出图像中，最后根据该分割图像的特点用floodFill()函数对其分割的结果用不同的颜色进行填充。当然该函数的使用暂时没有彻底的弄清楚。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

我们目前的建筑场景，基于检测和代表当地对称性图像中提取局部特征的新技术。这些新功能的动机是当地的对称性，在不同尺度下的很多城市的形象，一个基本特征，也可能更具有不变性大外观变化比低级别功能如 SIFT 的事实。因此，我们将这些功能应用问题的挑战性成对的城市场景的照片。我们的特点基于本地双边和旋转对称性计算使用局部图像操作的简单的措施。这些措施用为特征检测和计算描述符。我们证明我们对具有挑战性的新数据集包含图像对参展的照明、 年龄和渲染风格的戏剧性变化范围的方法，表明我们的功能可以提高这一艰巨任务的匹配性能。

在本文中提出了非盲图像水印算法的鲁棒性新方法。所提出的方法执行通过奇异值分解 （SVD） 改性的复杂小波变换 （CWT） 域图像而连续小波变换提供了更高的容量比实小波域。改性的适当的子带，导致毫不逊色保留质量的水印。拟议的额外优势是技术的其最常见的攻击的鲁棒性。分析和实验结果表明多改进的性能与纯方法的基于奇异值分解的混合方法 （例如 DWT-SVD 为近年最好基于奇异值分解计划）。

opencv2.4.9+VS2010，使用帧间差分法或背景差分法检测出运动目标，对不同的连通区域做标记，并得出每个连通区域的直方图，通过直方图比较来跟踪特定目标，也可以用在车流量统计，参数可调，算法简单，耗时小，具有一定的可行性，目前对多个连通区域的直方图统计模块还未做好，希望同志们一起来交流学习。

本程序是基于opeCV的图片浏览器，可实现windows自带图片浏览软件的功能：如图片打开，实际大小显示，适合屏幕大小显示，图片顺时针旋转，图片逆时针旋转，前一图片，后一图像，图像删除等功能。本程序基于openCV2.4.6，需要添加库文件，opencv_highgui246.lib，opencv_core246.lib，opencv_imgproc246.lib开发环境：VS2008关于openCV配置请到网上查阅相关资料，在此不再赘述。 

图像处理的几何运算代码，其中包括canny边缘检测，像素扩算算法，图像的膨胀，拉普拉斯高斯边缘求取（LOG边缘），图像分割等处理函数。包含头文件和CPP，直接添加调用函数即可运行！本程序处理环境是在vc6.0+opencv1.0下编译的，所以请使用此版本或更高版本~~

Snake模型称为动态轮廓模型（Active Contour  Model）是Kass与1987年提出的，它对于在噪声和对比度不敏感，能将目标从复杂背景中分割出来，并能有效的跟踪目标的形变和非刚体的复杂运动而被广泛用于图像分割和物体跟踪等图像处理领域。Snake主要原理是先提供待分割图像的一个初始轮廓的位置，并对其定义个能量函数，是轮廓沿能量降低的方向靠近。当能量函数达到最小的时候，提供的初始轮廓收敛到图形中目标的真实轮廓。Snake能量函数是有内部能量函数和外部能量函数组成，内部能量控制轮廓的平滑性和连续性，外部能量由图像能量和约束能量组成，控制轮廓向着实际轮廓收敛，其中约束能量可根据具体的对象形态定义，使得snake具有很大的灵活性。Snake模型发展10多年来，许多学者对于经典的snake模型做了改进，提出各种改进的snake模型，其中梯度矢量流（Gradient Vector  Flow,GVF）模型扩大了经典snake的外力作用范围，加强了对目标凹轮廓边缘的吸引力，提高了传统的snake模型。文件中包含snake数学模型介绍的论文以及实现算法的代码，对学习该算法的科研人员会有帮助

一个好用的图片处理开源工程，实现了图片处理的各种效果。代码来源于code4app