支持向量机的训练和测试图像。在OpenCV的C++

利用Shearlet变换对多聚焦和医学图片进行分解，将分解得到的高频系数进行绝对值取大的规则进行融合，对得到的低频系数采用区域能量和区域方差加权融合的规则进行融合，之后进行shearlet反变换得到融合图像

利用IDL编写的，实现了掩膜、 波段合成、 主成分分析 、缨帽变换、 水体指数（ndwi）、 归一化植被指数（ndvi）。

利用SIFT算法实现图像特征点的检测与提取，再用SANSAC算法筛选优秀特征点。

能够很好的实现从点云数据实现三维曲面重建，实现效果非常好，传上来跟大学一起进步！

所有的图像增强技术已经被包括在这个特殊的项目。

图像的小波分解与重构；

使用C#实现的图像处理的源代码，主要实现了Hough变换，为学习C#图像处理起到很大的帮助作用，是非常有用的资料。

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。

这是图像的极坐标变换！

skyline完整范例源码下载（vs2005）共15M，刚写好文件部分，也不算太完善，碰巧有人问起，遂贴上代码大家看去，你可以在此基础上完善之。 代码没什么WS技术，但做文件沙盘还是有不少问题的，需要的朋友可以下-Written before the planned sand table system, just part of the written document, but also not too perfect, someone happened to ask, accordingly paste the code we looked, you can improve on this basis, the. Code no WS technology, but do still have many issues paper sand table, and we need friends can, under