总变差图像去噪

关于合成孔径雷达的最常用的成像算法-距离多普勒成像算法（RD）的实例。能实现场景内多个目标的成像结果的仿真。经修改可以很容易修改成针对特定场景的RD成像。

通过水平集的数据处理可以将摇杆影像中的特征对象进行提取，针对所要研究的对象进行分析，大大的提高了研究的进度，避免了不必要的误差充。

此代码是第一个模块在人类行为识别系统，其中输入视频帧的 shilloutte 是要提取出来进行进一步处理。该代码将自动预测图像的背景和从输入视频序列中提取 shilloute

Matlab图像双边滤波，一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。

利用opencv工具可以方便的实现canny边缘检测，作者做了一个小小的MFC尝试，参数设置还需要调整，需要VS2010的平台，希望能够与大家分享，互相学习

可以直接获取ＵＳＢ摄像头的视频进行处理，也可以读取采集卡的视频流实现人脸识别，采用VC++6.0与opencv1.0，海康威视的采集卡

资源描述对鱼眼拍摄的镜头进行俯视变换功能，同时对鱼眼进行校正。运用C++鱼眼进行编程，读取图片并且进行校正和图形变换，然后进行保存。

与Fourier变换相比，小波变换是空间（时间）和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。数学家认为，小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样条分析、数值分析的完美结晶；信号和信息处理专家认为，小波分析是时间—尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。

K-means cluster 用c++实现的，大家一起学习交流。 Step 1. 从n个数据对象任意选择k个对象作为初始聚类中心； Step 2. 循环Step 3到Step 4直到每个聚类不再发生变化为止； Step 3. 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离，并根据最小距离重新对相应对象进行划分； Step 4. 重新计算每个（有变化）聚类的均值（中心对象） k-means算法的工作过程说明如下：首先从n个数据对象任意选择

MATLAB中编程，偏最小二乘回归的通用程序，输入两个矩阵，输出预测值及相关误差。