图像融合算法

用matlab实现了 sift算法的运用。SIFT 算法首先在尺度空间进行特征检测,并确定关键点(Keypoints)的位置和关键点所处的尺度, 然后使用关键点邻域梯度的主方向作为该点的方向特征,以实现算子对尺度和

应用背景利用配置好opencv2.4.9的VS2008实现SIFT变换的完整的一个DEMO关键技术数字图像处理中图像特征提取技术，两幅图像的匹配问题

我们介绍使用现代可编程图形处理单元的 GPU 的实时图像处理技术。GPU 的是本质上的数据并行的 SIMD （单指令，多数据） 设备。通过利用 NVIDIA GPU 编程框架，"计算统一设备架构"CUDA 作为一种计算资源，实现了图像处理算法计算中的会显著加速。我们表明，一系列的计算机视觉算法映射很容易到 CUDA 具有显著的性能增益。具体来说，我们展示了我们的方法的效率，让并行化和优化的图像处理、 形态应用程序和图像积分。

这个球面化算法最初是在ps上的球面化滤镜中看到的，感觉挺有意思，就研究了一下。算法的详细推导可以在这篇博客中找到，我比较懒，只在纸上推了一遍，就不在博客上编辑了。不过这里还是要把逆变换公式写一下。 

采用多个结构元素对图像进行开、闭、腐蚀、膨胀等操作，并进行了高帽变换、提取边界线、获取梯度、开重建等操作。

此应用程序是在 OpenCV 意在从用户的头、 手和身体动作生成事件的网络摄像头图像处理库。这个库还打算跟踪对象，这样就可以使增强的现实。为提高人机交互，应用程序将使用一个网络摄像头，而无需使用红外光谱或扩散照明技术。除了跟踪职位，此库也将能够提供更高级别事件和手势像获取用户的三维位置，并打开的手势。与虚拟物体碰撞也是增强现实中。

很多时候，我们需要处理的同一图像的不同分辨率的图像。例如，同时寻找图像中的东西，我们也不确定什么大小的对象将是本 在图像。在这种情况下，我们将需要创建一组图像具有不同的分辨率和搜索所有的图像中的对象。这些组具有不同分辨率的图像被称为图像金字塔 （因为当他们被关在一个堆栈底部和最小的最大图像在顶部看起来就像一座金字塔图像）。高斯和拉普拉斯金字塔

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

这个程序是使用分水岭进行图像分割的代码 。主要介绍 把直接进行分水岭图像分割和进行处理以后的分水岭的对比。

卡尔曼滤波，去除噪声还原真实数据的一种数据处理技术, Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态. 由于, 它便于计算机编程实现, 并能够对现场采集的数据进行实时的更新和处理, Kalman滤波是目前应用最为广泛的滤波方法, 在通信, 导航, 制导与控制等多领域得到了较好的应用。