标记分水岭分割

实现DEM数据的读取和网格化渲染，同时根据高程不同的高程赋予不同的颜色系统采用C++和OpenGL开发，可实现DEM的三角网渲染、颜色渲染以及贴图渲染

实现了被切割机切成等份的碎片的拼接，其中相似度关系是通过matlab得出的，先通过matlab相似度算法，得到所有图片之间的相似度关系，再通过本程序将相似度关系转化为碎片序列，再通过画笔画到画板上。

matlab练习程序（Hilbert图像置乱） 正好刚写了Hibert生成曲线，不如再加一篇应用的程序。关于Hilbert图像置乱，我在网上搜的应用领域主要集中在数字水印和图像加密上，而这两个领域我都没怎么接触过。大部分的图像置乱都是如下图的置乱1所示，至于置乱2则是我不小心生成的。置乱1是先把原图按hilbert曲线进行赋值，拉成一条一维数组，再reshape成一副图像。

在linux平台下，使用openni来进行的体感应用开发实战，利用kinect或ASUS xtion pro 传感器来获取彩色图像和深度图像，对获取的深度图像数据进行处理计算来得出物体离kinect或ASUS xtion pro摄像头中心的距离，以及对深度图及RGB图像的采集及显示……

此代码是用Matlab语言实现的，是对数字图像的质量进行评价，实现的传统的均方误差（MSE）和峰值信噪比（PSNR）的评价算法，还有SSIM

这段代码描述了如何使用Lucky Richardson算法对图像进行插值。

资源描述 包括详细教程和例程： 【多媒体封装格式详解】---MKV【1】 【多媒体封装格式详解】---MKV【2】 【多媒体封装格式详解】---MKV【3】

虹膜识别是一种重要的生物特征识别的身份识别中的方法成为非常活跃的课题研究和实际应用。虹膜识别系统包括虹膜区域定位和其次是虹膜识别的虹膜图像的数据集的生成。在此研究中，虹膜区域的内部和外部边界的定位提出了一种快速算法。归一化在寻找边界阶段，位于后虹膜从图像中提取的眼睛，然后哈尔变换用于代表数据集。使用此数据 集哈尔变换用于虹膜模式的分类。自适应学习策略培训的哈尔变换应用。仿真结果表明了遗传算法在个人身份识别的有效性。

采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像 , 程序能够运行出正确的结果，希望对各位有帮助。

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。