小波变换纹理特征提取

资源描述这是一个很好的基于ExtJS的Web应用程序来显示图像，从而为用户做放大、缩小、fitwindow和原始分辨率。

目标跟踪的一个算法   两个匀速运动的物体  红外背景弱小目标检测 跟踪  

脑磁共振图像的分割 特征提取 预处理 脑肿瘤

基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展

图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。

评价图像分割的曲线PR曲线是现在主流标准，此代码划出的曲线十分直观，还有多个选项可以自定义。

函数代码 = huffman(p) 哈夫曼 %生成符号源变量长度的哈夫曼代码。 代码 %= HUFFMAN(P) 返回一个哈夫曼代码作为二进制字符串的单元格 %数组的代码输入的符号概率矢量体育在代码中的每个单词 %对应于其概率是在相应的指数符号 %的体育 % %检查输入的参数的合理性。 error(nargchk(1,1,nargin)) ； 如果 (ndims(p) ~ = 2) | |(min(size(p)) > 1) | |~isreal(p) | |~isnumeric(p) 错误 ("P 必须是一个实数值向量"） ； 结束 %全局变量生存所有递归函数 "makecode" 的 全局代码 CODE=cell(length(p),1) ；%Init 全球太阳能电池阵列 如果 length(p) > 1%时多个符号...... p = p/sum(p) ；%规范化输入的概率 s = reduce(p) ；%做哈夫曼源符号削减 makecode (s，[]) ；%以递归方式生成的代码 其他 代码 = {"1"};%其他、 微不足道的一个符号案例 ！ 结束 %……………………………………………………………….% 函数 s = reduce(p) ； %在 MATLAB 的单元格结构中通过创建一个哈夫曼源减少树 减少 %执行源符号减少，直到只有两个 剩余的 %符号。 s = cell(length(p),1) ； %生成符号节点 1 2、 3，开始树...到引用 %符号的概率。 为我 = 1:length(p) s {i} = i ； 结束 同时 numel(s) > 2 [p，我] = sort(p);%排序符号概率 p(2) = p(1) + p(2) ；%合并

本人亲测可用（基于matlab2010），速度稍慢，六张2760*1140的图片拼接大约十分钟能拼出来（笔记本，奔腾b980处理器，3g内存），接口处模糊，整体有畸变

资源描述这个作者就是OpenTLD的C++版本的作者，包括ROS版的OpenTLD也是基于他的代码改的。 对于CMT这个跟踪算法，我在iPhone5s上做了实际测试，跟踪效果超乎想象，在我比较了TLD，CT，Color Tracking，Struck等等顶级算法的效果之后得到了这样的结论。这个算法是可以实用的跟踪算法，虽然它也有缺点，之后我会说。实时性和跟踪效果都一流。

这一项目执行跟踪没有颜色强调......它的多个对象编写的 matlab 2014a......希望你喜欢它