VS2010+图像检索

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

里面包含了好几个m文件，基本都有注释。。很容易看懂，并且可以根据自己的需要修改添加参数。可以作为毕业设计的参考。不过对于图片的选择自己要注意，尽量不要选择整幅图都是同种颜色的

直方图均衡化进行彩色图像增强的程序源码，与数字图像处理练习配套。本程序是数字图像处理课后习题要求做的练习，内部附有测试图片和所有的程序源码，对学习数字图像处理的人员很具有参考价值。

应用背景本程序实现了多层小波变换及反变换，小波图像去噪是小波应用较成功的一个方面,其中小波阈值法图像去噪算法简单、计算量小,得到了广泛的应用。在小波阈值去噪的基础上,本程序实现了基于边缘检测的小波阈值图像去噪算法,把高频中的边缘细节与噪声更好地分离开,在主观和客观上去噪效果都比单纯的阈值去噪有所改进。 关键技术基于小波变换的图像去噪一般由三个步骤来完成:(1)小波变换;(2)对小波系数进行处理,以滤除噪声;(3)小波逆变换。小波去噪的核心是在上述第二个步骤中按照一定的准则对小波系数进行修改,在不损失过多细节信息的前提下,达到降低或去除噪声的目的。

它与Marr（LoG）边缘检测方法类似，也属于是先平滑后求导数的方法。先对图像进行灰度化处理，然后进行高斯滤波，用一阶导数的有限差分来计算梯度的幅值和方向，对梯度幅值进行非极大值抑制，双阈值算法检测和连接边缘

使用matlab进行二维图像的噪声处理，高斯噪声，椒盐噪声，以及加权平均和卷积处理。

OpenCV机器学习SVM支持向量机的分类程序，可用于模式识别的多分类。也以用于实验或工程项目，我才用的是opencv243的库，部分代码如下： #include"opencv243.h"#include #include #include using namespace std;int main(int argc, char* argv[]){

本源代码完全由本人编写并测试通过，保证可用。 可以将24位位图格式转换成16位的位图格式。 输入图片为24位位图格式，输出文件格式可以是16位位图格式。 输出格式可以是RGB555，也可以是RGB565格式。

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

对黑白TIFF 图像进行处理，将200DPI 转换为 300DPI，或者转换为指定的DPI。