基于opencv 实现bag of words 图片搜索程序代码

这个是基于net开发的，这个程序的算法和功能都是以手写识别为基础，请大家讨论讨论！

改进自适应交叉和变异概率 在遗传算法中，通过交叉操作和变异操作使一对相互配合又相互竞争的算子的搜索能力得到飞速提高。交叉操作作用是组合交叉两个个体中有价值的信息产生新的后代，它在群体进化期间大大加快了搜索速度；变异操作的作用是保持群体中基因的多样性。为了加快收敛速度和全局搜索性能，在遗传算法计算的过程中，根据个体的情况，自适应的改变两者的概率，将进化的过程分为渐进和突变两个不同阶段。在Srinvivas等提出的自适应基本遗传算法中，交叉概率和变异概率能够随适应度自动调整，在保持群体多样性的同时保证了遗传算法的收敛性。

K-L 变换  L2-PCA  图像融合  多光谱图像   全色图像 利用l2-pca对多光谱图像和全色图像进行图像整合，针对主成分分析的特性，将其应用于图像融合，可以把多波段的图像信息最大限度的表现在融合后的新图像中 首先计算参加融合的两幅源图像的协方差矩阵，然后求其特征值对应的特征向量，最后利用与最大特征值所对应的特征向量来确定两幅图像的加权系数。

具箱包括34种数据降维技术，包括- Principal Component Analysis ("PCA") ---主成分分析- Linear Discriminant Analysis ("LDA") ---线性判别分析- Multidimensional scaling ("MDS") ---多维尺度分析这些可以通过compute_mapping函数或GUI调用：

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。

部分内容源于网络，经过自己的修改，可以在matlab上实现对图像的完美拼接，利用相位相关算法。是不可多得的高速拼接源码，对于刚学习图像处理的朋友来说值得参考，测试图片的选取要适当，要大小相同（同像素），敬请指正批评。

必须需要用到的of自带的addons包括：ofxThreadedImageLoaderofxXmlSettingofxGui额外的addon是ofxUI可以自行到www.github.com下载在创建工程是需要添加这些addons。若创建是没有添加，也可手动将其所有源码文件添加到自己的工程中去。在ksApp中增加了大量注释，并修正了一些错误增加了类ks::ZhangSan1111: 用于示例如何写出简单的作业增加了类ks::TirSrcDemo: 用于示例如何构造出具有三个数据源接口的万花筒

资源描述 采用了边缘检测法先检测出绘图图像的边缘，再hough直线拟合，拟合出图中的直线。由于这样查找到的直线非常多，所以先筛选掉角度明显有误的直线，在剩下的直线中保留最长的一组。 然后根据栅格扫描的方式进行逐行扫秒，把得到的交点，和道路中间的灰度小块进行块匹配，因为道路的分道线和道路的颜色是不一样的，根据块匹配区分该点是在分道线上还是在道路上，统计得到中心点左右两侧最匹配的两条直线，作为检测到的道路车道线。

    图像处理方面的源码，能过加载256位的bmp图片，用霍夫曼压缩的方法将图片压缩，是图像压缩的一种，源码经过调试，在VC6.0下能够使用，这是我课设的时候用的，保证能运行。

压缩感知用于磁共振成像的快速重建，基于快速阈值收缩迭代算法，收敛速度很快