OMP算法用于计算图像的表示系数

本算法为模糊增强算法在图像处理领域的应用， 使图像的边缘信息更加明显，图像清楚，能够更好的处理高频信息。在包含源码的同时，附上代码处理前后的对比图片，有助于对此代码进行深度理解。

vc++版本的jpeg库，已经转换为2008版本了，方便大家编译、使用！是个静态库，.lib的，运行时省去了dll动态库，程序发布变得更加方便了。开源项目，自己修改的。

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）。

这是 Microsoft 基础类 c + + 库的一部分。签名识别

BP网络的训练是matlab中文论坛的例子，效果比较好。调用主函数是我自己写的。

BMP图片文件在CCS 中转换为DAT文件，内容详细，可靠。BMP图片文件作为被处理图像文件，转换为DAT文件，在某些情况更有利于程序编程，运行。这程序的作用是在CCS中将BMP图像文件转换为DAT文件。

识别上传的图片内的细胞(共8种不同的细胞)，分别按不同类型分类统计个数。准确率95%以上。识别时间不超过一分钟。 1霉菌孢子：孢子有单个孢子（卵圆形）存在或有孢体分裂有共存的小体呈葫芦状  霉菌菌丝：大致呈长条丝状，菌丝体上有无性分裂的孢子，菌丝长短不一表面光滑，无核状物质存在  2.白细胞：细胞体呈圆形，直径10~15um，约为红细胞的2倍。细胞质丰富，胞体均布细小颗粒，细胞可为杆状核或者分叶核，细胞核形态多样  3.上皮细胞：细胞大而扁平，呈不规则形，核小，呈圆形或卵圆形包体表面光滑，无杆菌附着镜下图像显示为透光度较强与图片的底色近似  4. 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

正交匹配追踪算法，在分解的每一步对所选择的全部原子进行正交化处理，这使得在精度要求相同的情况下，OMP算法的收敛速度更快。MP一般只能满足第k个残差和xk正交，这也就是前面为什么提到“信号(残值)在已选择的原子进行垂直投影是非正交性的”的原因。如果第k个残差和fk不正交，那么后面的迭代还会出现fk中已经出现的项，很显然fk就不是最优的，这也就是为什么说MP收敛就需要更多次迭代的原因。不是说MP一定得到不到最优解，而且其前面描述的特性导致一般得到不到最优解而是次优解。那么，有没有办法让第k个残差与正交，方法是有的，这就是要谈到的OMP算法。

资源描述基于LSB的数字水印嵌入算法，具有比较高的嵌入速率和效率

    William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码，数据集，论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件，但是这个可直接运行，无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.