标记分水岭分割

这个职位的目的是提供简要概述了如何使用纹理信息，利用 Matlab 的图像分类。基本上，我们想要做的是从一组标记描述纹理的图像纹理分类器的学习。然后，我们将使用的学习分类器提供类标签标记的图像。（从网站：http://www.alceufc.com/2013/09/texture-classification.html)

利用AMM实现人脸特征点的标注，内有源代码及可运行程序

应用背景人脸检测算法的可靠性很大程度上依赖于分类器的设计，在2001年，Viola和Jones两位大牛发表了经典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法的基础上，使用Haar-like小波特征和积分图方法进行人脸检测，他俩不是最早使用提出小波特征的，但是他们设计了针对人脸检测更有效的特征，并对AdaBoost训练出的强分类器进行级联。关键技术 人脸检测从整体来看分为四个部分： 1、Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 2、Face preprocessing 面部预处理，即提取出脸部图像。 3、Collect and learn faces 脸部的特征采集和学习 4、Face recognition 脸部识别，找出最相近的相近脸部图像。

图像的超分辨率处理。将一张正方形图像先降采样变成原来的1/16，然后经过迭代反投影算法再变回原来的大小。将小图和大图比较可以发现清楚了很多。注意一定要放入正方形的图。迭代反投影算法是将模拟低分辨率图像和观测低分辨率图像的误差叠加到当前估计高分辨率图像，生成新的高分辨率估计图像，进行欠采样得到当前低分辨率模拟图像，不断循环迭代这个过程，直到误差精确达到要求范围或直到迭代次数完成（避免出现死循环）。

基于非采样Contourlet变换（NSCT）的图像融合算法的matlab实现

surf算法demo，网上的一个关于surf算法的demo，大家参考参考

所谓的差影法就是图像的相减运算(又称为 减影技术)，该运算是把同一景物在不同时间拍摄 的图像或同一景物在不同波段的图像相减[6]，利 用差影图像提供的图像间的差异信息以达到动态 监测、运动目标检测和识别以及目标识别等目的．

包括人脸图像获取、人脸图像预处理、人脸表征、人脸检测、人脸分割和人脸的判定，并对其中的具体实现技术和方法进行了全面阐述，最后，针对视频图像，对动态人脸跟踪进行了探讨，并对人脸识别的现状和研究趋势进行了说明。

opencv+vs2010，载入图像，再使用cvtcolor，将rgb转为gray，其中使用 3x3内核降噪 ，运行Canny算子  ， 阈值可以任意通过滑动条设置，使用 Canny算子输出边缘作为掩码显示原图像，可以看到不同阈值下的边缘图像

matlab练习程序（图像马赛克）处理原理就是将邻域像素平均值赋给邻域中的所有像素。这里将处理方法分为了带线条和不带线条，带线条处理后的视觉效果要好些。