两直线间距离测量

资源描述主要研究H263编码实现,完整的源代码程序，适合初学者参考学习。代码清晰有完成的VC+6工程代码。

合成孔径雷达 （SAR） 图像受突出的散斑噪声，通常被认为是一个纯粹的乘性噪声的过程。理论上讲，此乘性噪声是变化的标准偏差为信号值，"系数，"比理论上不断在 SAR 图像中的每一点。大多数为相干斑抑制的筛选器基于此属性。这种属性是 irrelevantfor 新的滤波器结构，基于方向平滑平滑 （EDS） 删除无模糊边缘散斑噪声的 SAR 图像的增强定向 （DS） 理论。我们的有效性这比作既定的散斑噪声去除技术对 SAR 图像滤波新方法。源纸： M.Mastriani，A.E.吉拉尔德茨，"增强方向平滑算法的边缘保持平滑的合成孔径雷达图像"，测量科学审查、 Volume4，第 3 节，2004年。

资源描述通过相位相关技术，将多行多列光学镜片拼接为全景图像。

在许多应用程序如地学研究、 天文、 地理信息系统使用卫星图像。在图像中最重要的质量因素来自于其决议。卫星图像增强技术利用离散小波变换和奇异值分解。这一技术将输入的图像分解为四个频率子波段，利用离散小波变换和也估计奇异值矩阵的低-低子带图像和均衡通过逆离散小波变换增强的图像。图像分割技术应用于图像增强过程后该模型采用多区域分辨率和马尔可夫随机场技术提高分割精度，提高图像的质量和它降低噪声的卫星图像。

采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。

它可以用于读取 *.dcm filesit 可以得到图像的 withd，高度，和像素 lengthit 也可以读取 JPEG 文件

资源描述用actionscript3.0做的能够对小的图像进行简单的处理，比如将彩色照片变为黑白，反相，锐化，加噪处理，平滑处理等，具有打开图片和保存处理过的图片的功能。

这是一个LSB算法，用于信息隐藏的C源代码，可以通过信息隐藏技术将各种信息通过这个算法隐藏到图片里边。

资源描述利用opencv 2.4.9和C、实现RobHess库中图像特征点的提取。改代码经过测试，可用。提取出图像的特征点，并标明图像特征点的大小和方向

应用背景平均背景法是一种学习背景场景和分割前景目标的简单方法。这种方法只能用于背景场景中不包含运动部分。而且，这种方法还要求光线保持不变，比如室内静止场景。关键技术 在视频对背景进行建模的过程中，每2帧图像之间对应像素点灰度值算出一个误差值，在背景建模时间内算出该像素点的平均值，误差平均值，然后在平均差值的基础上+-误差平均值的常数(这个系数需要手动调整)倍作为背景图像的阈值范围，所以当进行前景检测时，当相应点位置来了一个像素时，如果来的这个像素的每个通道的灰度值都在这个阈值范围内，则认为是背景用0表示，否则认为是前景用255表示。