利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理

合成孔径雷达 （SAR） 图像受突出的散斑噪声，通常被认为是一个纯粹的乘性噪声的过程。理论上讲，此乘性噪声是变化的标准偏差为信号值，"系数，"比理论上不断在 SAR 图像中的每一点。大多数为相干斑抑制的筛选器基于此属性。这种属性是 irrelevantfor 新的滤波器结构，基于方向平滑平滑 （EDS） 删除无模糊边缘散斑噪声的 SAR 图像的增强定向 （DS） 理论。我们的有效性这比作既定的散斑噪声去除技术对 SAR 图像滤波新方法。源纸： M.Mastriani，A.E.吉拉尔德茨，"增强方向平滑算法的边缘保持平滑的合成孔径雷达图像"，测量科学审查、 Volume4，第 3 节，2004年。

该程序是建立一个gabor滤波器组，并且可以对想要处理的图像进行输入进行小波处理，并且提取图像的纹理特征。                                                                                                      

作为输出从图像分析软件程序 （例如 GenePix，从芯片的原始数据文件，读取标头信息。这些函数由 read.maimages 在内部使用，通常不直接由用户调用

图像的处理方法根据自己的需要，有目的地选择各种方法。在确定脸部区域上，通常使用的方法有肤色提取。肤色提取对脸部区域的获取则比较高，达到95%以上，并且提取速度快，可以减少工作量。 由于图像的亮度在不同环境的当中，会受到不同光线的影响，图像就会变暗或变亮，我们就需要要对它的亮度进行调整，方案主要的方法是对图像进行光线补偿。 高斯平滑：高斯平滑就是对整幅图像进行像素 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

四叉树可以根据它们所代表的数据，包括区域，点，线和曲线的类型进行分类。四叉树也可分类树的形状是否是顺序数据被处理独立的。

资源描述Detecting visually salient regions in images is one of the fundamental problems in computer vision. We propose anovel method to decompose an image into large scale perceptually homogeneous elements for efficient salient region detection, using a soft image abstraction representation. By considering both appearance similarity and spatial distribution of image pixels, the proposed representation abstracts out unnecessary image details, allowing the assignment of comparable saliency values across similar regions,and producing perceptually accurate salient region detection. We evaluate our salient region detection approach on the largest publicly available dataset with pixel accurate annotations. The experimental results show that the proposed method outperforms 18 alternate methods, reducing the mean absolute error by 25.2% compared to the previous best result, while being computationally more efficient.

matlab code for image fusion, containing two methods: hsi and pca. 代码中有详细的hsi变换及pca变换，并将它们分别用于两幅图想的融合中，效果非常不错。

基于opencv2.4.6 + vs2010编写。 需要外接一个摄像头，对摄像头捕捉的视频帧进行处理。 如果视频帧中有人脸，程序会自动识别，并用彩色的源泉圈出来。   基于opencv2.4.6 + vs2010编写。 需要外接一个摄像头，对摄像头捕捉的视频帧进行处理。 如果视频帧中有人脸，程序会自动识别，并用彩色的源泉圈出来。  

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";

2013 cvpr best papers，"DUAL-DOMAIN IMAGE DENOISING"，利用空间域和变换域联合图像去噪，方法简单， 去噪效果堪比BM3D。