地震数据处理

应用背景这是使用Haar特征训练弱分类器，然后使用约14弱分类器连接节点作为一个强分类器，该方法选择弱分类器是AdaBoost算法。 ；关键技术

此代码是由RGB转换为标准的RGB空间的算法，此代码基于opencv与c++语言，标准的rgb是指各通道的值除上三个通道之和，得到的标准rgb空间对光线的敏感性大大减小，对于跟光照有关的图像处理领域有很大的帮助。

CMT源码，实时摄像头可运行，提取特征点，通过特征点之间拓扑结构变化，判断目标物体的动作变化，使用Python语言进行编程。

BMP转换JPG

把一段avi视频转换为多帧jpg文件，其中实例内包含avi文件，生成的jpg文件序列默认放置在源码文件夹下。

这是一个关于图像匹配的代码，有sift，surf的 特征检测 ， 特征提取等，有它们的具体实现算法，很值得研究，也比较适合初学者

本程序是用VC++6.0实现的傅里叶变换，MFC框架程序，可直接执行，备注详细，思路清晰，便于初学者掌握

OpenCV检测原理主要步骤为：1.加载分类器。用cvLoad函数读入xml格式的文件。文件在OpenCV安装目录下2.读入待检测图像。读入图片或者视频。3.检测人脸。

此代码是基于matlab软件下进行图像处理。代码的功能是实现对两幅聚焦不同的图像进行分解，然后提取系数在一定的融合规则下，最后通过逆变换获得更加清晰的融合图像。

与Fourier变换相比，小波变换是空间（时间）和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。数学家认为，小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样条分析、数值分析的完美结晶；信号和信息处理专家认为，小波分析是时间—尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。