实现DFT和FFT及其逆变换

图像小波融合代码。 小波变换是将图像分解成频域上各个频率段的子图，以代表原图的各个特征分量。这对后续的融合处理极为重要，使得融合处理可以根据不同的特征分量采用不同的融合方法以达到最佳融合效果。图像的融合策略（方法）是图像融合的核心，方法与规则的优劣直接影响融合的速度与质量。 在一幅图像的小波分解中，绝对值较大的小波高频系数对应着亮度急剧变化的点，也就是图像中对比度变换较大的边缘特征，如边界、亮线及区域轮廓。融合的效果 就是对同样的目标，融合前在图像A中若比图像B中显著，融合后图像A中的目标就被保留，图像B中的目标就被忽略。这样，图像A、B中目标的小波变换系数将 在不同的分辨率水平上占统治地位，从而在最终的融合图像中，图像A 与图像B中的显著目标都被保留。

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0红外数据存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0infrared图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，infrared数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。

基于OMP正交匹配追踪算法的小波基CS图像重构。利用测得矩阵找出重建矩阵中与之最匹配的列，与该列对应的即是重建的稀疏图像中的相对应位置的系数。然后得到将测量矩阵减去第一步第一个系数所对应产生的测量矩阵中的值，得到下一步残差，然后再找与之最匹配的列，如此循环下去，直到迭代到要求的次数

编号队列具有更高的出列优先级编号队列具有更高的出列优先级编号队列具有更高的出列优先级编号队列具有更高的出列优先级

使用的 opencv 版本為2.4.9 在Visual Stdio 2013 C++下編譯 簡單的show image 程式

资源描述本代码是大逼哥Vibe算法的c++实现，vibe算法基于背景差法原理提出的算法，用于视频序列中的运动目标检测，针对出现的鬼影现象，提出了结合大津算法进行改进，能够快速消除鬼影，本代码的运行环境opencv2.4.4+vs2010.运行效果很好。

利用canny算子对图像进行边缘检测，以著名的lena图像作为测试图像，结果显示人物的大部分轮廓都以检测出

特征选择也叫特征子集选择 ( FSS , Feature Subset Selection ) 。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化。向后搜索（ SBS , Sequential Backward Selection ）：从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。向前搜索（ SFS , Sequential Forward Selection ）：特征子集X从空集开始，每次选择一个特征x加入特征子集X，使得特征函数J( X)最优。简单说就是，每次都选择一个使得评价函数的取值达到最优的特征加入，其实就是一种简单的贪心算法。

MODIVCDemoExe、 能直接运行，看看OCR的效果

在稀疏领域比较著名的是elad的稀疏与冗余。这个程序是对elad的书本上的算法进行实现的matlab程序