互信息配准

对源图像指定区域（通过矩形的左上角和右下角的坐标点指定）使用最小误差最佳阈值法，通过迭代获得该区域的最佳阈值。

过去的几年里已经看到照片的使用响应非均匀性噪声 （PRNU） 的一个独特的指纹如影像传感器，在各种数字的法医学应用源设备标识、 验证内容的完整性、 和身份验证。然而，使用一种颜色筛选数组捕获的每个像素的三个颜色分量的唯一介绍了彩色插值噪声，同时现有的方法提取 PRNU 为解决问题提供没有有效的手段这一问题。因为人工色素获得通过彩色插值过程不直接取自由物理硬件的场景，我们期望，PRNU提取的物理组件，都是免费的插值的噪音，应比从更可靠人工渠道，进行插值噪声。在此基础假设我们建议夫妇解耦的 PRNU (CD-PRNU)提取方法，首次分解每个颜色通道到四个的子图像，然后提取物 PRNU 噪声从每个子图像。PRNU 的子图像的噪声模式然后组装得到裁谈会 PRNU。这种新方法可以防止插值噪声传播进入物理组件，从而提高设备识别的准确性与图像内容的完整性验证。索引术语 — — 彩色滤光阵列、 马赛克

用于曝光融合的常用图像序列，从欠曝光到上曝光；

该代码可以用AES算法对图像进行加解密

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

P0301：数字图像矩阵数据的显示及其傅立叶变换P0302：二维离散余弦变换的图像压缩P0303：采用灰度变换的方法增强图像的对比度P0304：直方图均匀化P0305：模拟图像受高斯白噪声和椒盐噪声的影响P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波P0308：图像的自适应魏纳滤波P0309：运用5种不同的梯度增强法进行图像锐化P0310：图像的高通滤波和掩模处理P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理 

结合Kinect v2.0+ VS2012+openCV2.4.9，将Kinect v2.0彩色帧存到openCV2.4.9类型的图像函数格式（Mat image）中，并将获取的kinect v2.0彩色图像输出到文件夹里保存.这里涉及到Kinect v2.0的打开，color数据的获取，以及与openCV2.4.9相结合的数据格式，还有使用sprintf_s函数将图像保存到指定的文件夹下。

用opengl和vs2010做的比较简单的3维图形显示程序，地球围着太阳旋转，可调整旋转速度，太阳与地球的距离等参数

通过鼠标点击获得图像的像素坐标，有利于通过手动选择和检测图像处理的跟踪检测效果进行对比，是非常有用的辅助检验手段。

资源描述使用自己的百度云账号将手机上的图片上传到百度云上，1、可以获取百度云的账号信息。2、在这个账号上上传图片。3、可以在PC端验证存在该图片。