hsi pca fuse matlab code

全变差图像去噪，首先通过增加高斯噪声来产生带噪图片，然后在用全变差方法对噪声去除，全变差算法的好处地保留了图像的边缘性，但是当噪声过大时会使边缘产生阶梯效应

天文导航计算，输入任意2点，自动计算航程及航向，并可以显示在独立的窗口中。

在静态背景的情况下，当摄像头前有运动目标时，通过静态背景帧差法能清晰的获得运动目标轮廓，效果非常好。

我的任务是要熟悉图像和网格分割算法，使用代数拓扑。代数拓扑检查空间的拓扑由学习抽象的代数结构，而莫尔斯理论建构的空间顺序，注意到其拓扑结构的变化。坚持理论是什么使这些定量的方法之间的连接，通过将分配给每个拓扑功能其生命周期中由一步一步建筑空间。这种理论能够通过基于分水岭的方法主要被用于分割的目的。本质上，流域程序认为图像或网格被水淹了水，与湖泊沉积盆地新兴地形景观。随着水平的上升，从相邻盆地水域满足沿分水岭线，成型段边界。这通常会导致 oversegmentation，所以合并迈出的一步是必要的对于我们可以使用持久性理论。考虑的算法基于聚类的过程，由弗雷德里克 ·那个开发。人的 INRIA 沙克雷，法国 ；其中建立流域的方法，在附近区域图，并合并段鞍点的基础相应的地方 extrememum 与鞍点，即坚持的高度差异将召开会议。在灰度图像、 位图自己或它的梯度给出了图，而彩色图像映射到颜色空间，在哪里我们寻找的盆地中的点云密度极大的吸引力。三角网格模型通常要分割的一些近似的曲率。根据项目建议书只实现了图像的分割算法，在 c + + 语言。在灰度案例中，我得到有用的结果为合成和一些简单的自然图像。对于彩色图像，我是能够有效地再现的原创文章，结果，但该算法很难调，和性能优化是必要的为实际使用。三角网格模型，为我考虑过各种签名功能和基于持久性的分割算法，以及前瞻性的执行有关的潜在问题。

模板匹配的工作方式跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。     假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：   （1）从输入图像的左上角(0,0)开始，切割一块(0,0)

模拟。

应用背景      该程序为单目摄像机标定程序，是应用c++编程语言，在visual studio2010环境下基于opencv 编写的标定程序，该程序可以应用于计算机视觉，可以获取摄像机的内外参数，也可以用于双目标定，作为双目标定的重要的一步。 关键技术      该程序为是应用c++编程语言，基于opencv 编写的标定程序，是根据于仕琪所译的《学习opencv》中的程序该编的，在用于过程中必需要配置好opencv，如添加工作目录 包含目录，依赖项等。

应用背景对训练图像集和测试使用OpenCV的SVM功能基础。这里有我收集的图像形式http://homepages.inf.ed.ac.uk/rbf/cvonline/imagedbase.htm。图像的一个在线数据库，由各单位。我已经训练过的花卉意象。28正50负。关键技术为此，我创建了一个培训矩阵组成的所有图像，一个图像。这样做，我将每个图像从二维到一维，然后堆放在一个大的图像trainingmat。然后我创建一个标签矩阵的一列和行为训练图像的多。我 ；标签每行1或1来识别它的正的或负的图像分别进行训练后的SVM参数设置。然后我将它保存在一个XML文件，并加载了测试它与另一个图像转换测试图像一维之后。如果函数返回1是阳性，如果它返回1是负的。增加精度提高训练图像的数量。抱歉不能上传图片太。

这里是的主要功能图像处理。 您可以使用任何图像以.jpg 扩展输入代码。 运行的代码，你会得到你想要的结果。

稀疏度自适应(SAMP)信号重构算法在源信号稀疏度未知的情况下能够较为精确的恢复源信号，并且该算法的复杂度不高，能够很好的适应于压缩感知中对一维和二维信号的恢复，是贪婪类算法中比较新的一种算法。 本代码将原图像lena在离散余弦稀疏基下稀疏表示，测量矩阵选取高斯随机矩阵，用SAMP算法对原图像进行重构。