特征提取

这个代码是用于区域生长算法1条规定在检测错误的条件图和用于进行必要的修改。此算法的重复进行，直到没有发生进一步的变化。为了降低了后续的图形分析的复杂性，所有的用很短的链路端点被除去。四周前开始在图表分析阶段，所有船只外径被除去。视盘区域通常含有许多船只和图形在这方面是不可靠的。如这些船只是不相关的A / V分类过程中，它们可以被除去。其结果是由几个构成的图非连接的单独的子图。图中的操作改性步骤示于图

通过水平集的数据处理可以将摇杆影像中的特征对象进行提取，针对所要研究的对象进行分析，大大的提高了研究的进度，避免了不必要的误差充。

pencv2.4.0以上的版本提供了stitcher类，可以很方便的实现几幅图像的拼接，关于这个类详细的介绍，可以参考文档： http://docs.opencv.org/2.4.2/modules/stitching/doc/high_level.html?highlight=stitcher#stitcher。     该类主要用的成员函数有createDefault，用于创建缺省参数的stitcher；estimatedTransform，用于匹配图像、分析摄像头旋转角度；composePanorama,生成最后的拼接图像。文档中提示如果对stitching的整过过程不熟悉的话，最好不要使用以上两个函数，直接使用stitch就行了。关于图像拼接的过程，涉及到特征点的提取、特征点匹配、图像融合等等比较复杂的过程，可以参考相关论文和期刊。

我们在这里展示一些实例对象：一类是一个蓝图或原型从个别对象的创建（后来我们创建一个对象）。方法出现在类声明为函数或程序的标题，没有身体。每个方法的定义声明出现在程序的其他地方。

这是一个从一张图像中恢复三维形状的shape from shading方法。我从csdn中将其下载下来的，希望对大家有用。shape from shading（SFS）的matlab代码，修改图片路径，可直接运行。这段代码用的就是Tsai文章中的方法，

sift算子是由D. G. Lowe在1999年提出，2004年完善的一种特征提取的方法，它主要有四个阶段：1）尺度空间极值检测（运用到Gauss函数和difference-of-Gaussian ）2）关键点定位3）定向分配（运用方向直方图，找到一个主方向，主方向的峰值的80%为辅，增强鲁棒性）4）关键点描述符

图像的分块程序，编程语言C++，开发平台VS2010，调用OpenCV实现。代码中，可以通过参数设置分块的数量与大小

人脸检测，包括人脸眼睛检测。基于opencv，效果不错。以OpenCV 图像处理库为核心，以QT 库所提供的界面框架为基础，提出了人脸识别系统设计方案，实验证明本方案具有较好的实用性，可移植性。但仍有许多不足之处，如身份与表情识别部分可以通过引入神经网络或支持向量机SVM 进行分类，可以使识别准确率与识别种类数得到提高，这些也是后续工作中步需要改进的。

运用张量投票的方法对摇杆影像中的特征对象进行提取，主要是针对建筑物外围的轮廓线的提取。这对于在大数据中分析局部的细节有着积极的作用

应用背景遥感图像上经常要用到图像融合，尤其是全色影像和多光谱影像，本程序可以很好地融合遥感图像，同时对于其他多模态或者异源影像都可以进行融合。关键技术代码主要采用三种方法进行融合，可以有选择的使用。主要是平均法融合，IHS法融合和PCA法融合，都是遥感图像融合领域常用的融合方法，可以直接运行。