视网膜图像处理

应用背景boosting算法训练了T个弱分类器ht,t∈{1,....,T}.这些弱分类器很简单.大多说情况下,它们只是包含一次分裂(称为决策stumps)或仅有几次分裂(可能到3次)的决策树.最后做决定的时候将复制权重αt给每个分类器.AdaBoost训练时输入的特征向量是xi,向量的类别标签是yi(这儿i=1,...,M,M是样本总数),且yi∈{1,-1}.关键技术1.在Release下进行调试 2.指定文件保存路径，如：char* filename_to_save = "F: estdataoutput.xml"; 3.选用训练的方法，如method = 1; 4.这步需要使用模型的时候再指定，训练的时候设置为char* filename_to_load = 0;使用模型的时候指定，如char* filename_to_load = "F: estdataoutput.xml";

基于小波变换的图像编码与压缩，代码简介易懂，附带文档说明，文档中给出了一些总结和编码表，提供matlab源码，供于初学者学习使用。

利用C语言对图像进行加噪处理 （椒盐噪声），以及对图像进行边缘提取，检测。

为了分析图像通常我们必须减少图像的大小，所以，我们可能会在一个特定的大小的框架中处理它。这种编程发展到 o 数字图像缩小通过减少从帧的像素的数目。

图象在传输和转换过程中，一般情况下质量都要降低，除了加入了噪声的因素之外，图象还要变得模糊一些。这主要因为图象的传输或转换系统的传递函数对高频成分的衰减作用，造成图象的细节和轮廓不清晰。图象锐化就是加强图象中景物的细节和轮廓，使图象变得较清晰。在数字图象中，细节和轮廓就是灰度突变的地方。我们知道，灰度突变在频城中代表了一种高频分量，如果使图象信号经历一个使高频分量得以加强的滤波器，就可以达到减少图象中的模糊，加强图象的细节和轮廓的目的。可以看出，锐化恰好是一个与平滑相反的过程。我们使用对象素及其邻域进行加权平均，也就是用积分的方法实现了图象的平滑；反过来，应当可以利用微分来锐化一个图象。

SVM 分类器 很好用的 可以用在图像处理中 使用的是c++ 基于opencv的 

利用三角形神经元，实现仿生模式识别算法中的样本空间覆盖，并以此实现测试样本的分类，程序在获取外界图像后可实现样本分类。

资源描述code implementation for  “Efficient Graph-Based Image Segmentation,” P. Felzenszwalb and D. Huttenlocher,Int’l J. Computer Vision, vol. 59, no. 2, pp. 167-181, Sept. 2004.  It is a well-known algorithm which has been checked and used in many applications. I got this code from internet, and thanks for share. 

目标

图像特征提取的四种算法。1) 顺序前进法特征选择 2) 顺序后退法特征选择 3) 增l 减r 法特征选择4) SFFS特征选择Four types of image feature extraction algorithm, to spend a great deal of effort to get the! To share with you all !