利用sift特征进行图像复制粘贴篡改检测

人脸识别方法的 matlab 程序代码基于局部性保持投影（LPP）

附件中提供的代码是根据文章“Image Denoising Via Sparse and Redundant Representations Over Learned Dictionaries”编写的，整个程序分为两个阶段，第一，稀疏分解，第二，字典学习过程。在稀疏分解中采用的是正交匹配追踪算法（OMP），在字典学习过程中采用K次奇异值分解方法（SVD）更新字典原子。

这是一个从一张图像中恢复三维形状的shape from shading方法。我从csdn中将其下载下来的，希望对大家有用。shape from shading（SFS）的matlab代码，修改图片路径，可直接运行。这段代码用的就是Tsai文章中的方法，

Scale-invariant feature transform (or SIFT) is an algorithm in computer vision to detect and describe local features in images. The algorithm was published by  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

应用背景用于标准灰度图像的JPEG压缩，编码。计算压缩比，PSNR的值关键技术压缩中用到许多编码方法Huffman编码、RLE 、DPCM

提高数据通信使安全和保密的信息是非常重要的地位。机密信息很容易被未经授权的人偷走。数据的安全性可以通过加密和隐写术技术的应用。加密技术是科学和艺术的新闻或信息保密。虽然隐写术是科学和艺术的隐藏到一个容器的信息。容器可以是图像、 音频文件或视频文件。可以结合这两种技术生产的高级别安全数据的系统。 在这个项目的最后将位图图像文件末尾 (EOF) 法实施的加密和隐写术技术。使用加密的随机的原始消息 （明文），并生成随机消息/加密 (密文) 之前插入到图像中。恺撒密码和曲折密码此最后的项目中使用的加密方法。创建使用 MATLAB R2008a 的应用程序。该应用程序基于 GUI 和 Windows 操作系统上运行。 基于应用程序的使用，显示该邮件使用文件末尾 (EOF) 插入方法生成新的一行末尾的原始图像。被插入到图像，更多新线将出现更多消息。限制邮件是保持从改变得太多了生成的图像的方法。密文图像处理可以做的不会改变像素要求插入消息的位置。 （这是我朋友的项目，他真诚地给我权限若要上载此项目...所以享受:))

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

应用背景基础轮廓查找——findContours+drawContours；开发测试所用IDE版本：Visual Studio 2012。-Program description: Based on 2.4.4 Function: base profile Find findContours+drawContours development and testing of the operating system: Windows 7 64bit IDE version used for development testing: Visual Studio 2010关键技术opencv2.4+vs2012对图像中的轮廓进行提取，查找

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject我们常在报纸上看到图片。观察这样的图片你会发现它是由一个个点组成的。我们也可以做出这种效果。很有趣。适用于初学者。背景操作系统: Microsoft Windows 7 专业版 (64 位) 开发实用程序: Microsoft Visual Studio 2010使用代码 // The height of the image. for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // The height of the image. for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // The index of pixel, because we use the three depth bit to present one pixel of color, // Therefore, we have to multiply three. lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // To get the pixel depth of the blue channel, byteRGB_BA = imageA->DibArr

该代码基本上进行了眼底图像的分割，以便进一步检测其他特征图像处理分割将图像分成多个部分，通常用于识别数字图像中的对象或其他相关信息。