SSDA算法MATLAB实现

加权图像融合算法的Matlab源代码，包括IHS,PCA Fusion，主要运用在GSM中卫星图像处理，里面有例子图片，可以清晰的看见处理效果。

资源描述delphi界面下的模糊C均值图像分割程序，可以在MyFile.txt文件中查看每次迭代的结果。

综合加权的颜色和纹理的铺垫

这是一段基于opencv的对图像进行畸变处理的源程序，使用usb摄像头，采集一副图像，然后对图像畸变校正，摄像头事先标定好，程序中将会直接利用标定好的参数。

局部二进制模式（LBP）是一种用于在计算机视觉分类功能。 LBP是中提出的纹理光谱模型的具体情况1990年 [1] [2] LBP在首次描述1994。[3] [4]它已经被认为是一个强大的功能用于纹理分类;它已经进一步确定，当LBP 是结合梯度方向直方图（HOG）的描述符，它大大提高了对某些数据集的检测性能。  LBP的特征矢量，在其最简单的形式中，以如下方式创建：  划分检测窗口进入细胞（例如16×16像素的每个单元格）。  在一个小区中的每个像素，比较像素到它的每一个8邻居（在其左顶，左中间，左底部，右顶部，等等）。 跟随一个圆，即顺时针或逆时针的像素。其中，中心像素的值大于邻居的值，写入“1”。否则，写“0”。这给 出了一个8位二进制数（通常转换为十进制为方便起见）。 计算直方图中

功能介绍：    要将中文信息生成为二维码，使用了有源码的QRCode，但它默认不支持中文，在网上找到的办法，一般都是这样的：修改库QRCodeLib中的类QRCodeEncoder.cs 将public virtual Bitmap Encode(String content)里面的 return Encode(content, Encoding.Unicode); 修改为 return Encode(content, Encoding.GetEncoding("gb2312"));这样生成后，一部解码软件是可以解码的，但是像360的安全二维码就不行，我猜测它是使用了UTF-8来解码的。 因为中文编码有UTF-8和gb2312两种，于是上面的代码改为return Encode(content, Encoding.GetEncoding("UTF-8"));这样就比较完美了，360安全二维码能够识别了，其它软件也能识别了。

可以调整图像色阶、锐度、反色、灰底均衡，还可以对图像进行反转、平移、旋转等操作

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。

caffe学习笔记4_学习搭建自己的网络——MNIST在caffe上进行训练与学习学习笔记1_CIFAR-10在caffe上进行训练与学习学习笔记2_用一个预训练模型提取特征学习笔记5_逐层可视化图像特征

应用背景利用机器视觉进行障碍物检测时，需要定位障碍物的坐标，由于相机有畸变，因此需要进行标定。这对于精确的定位障碍物有很大的作用。关键技术附上代码的同时还有标定图片，只需要修改一下图片存取的路径即可使用，特别适合初学者学习和使用。本标定采用opencv内置函数，基于张正友的算法思想。基于opencv1.0和vc6.0写成。