MATLAB实现图像去噪 滤波 锐化 边缘检测 源程序代码（初学者，图像实现效果一般）

基于 matlab的Harris 的角点特征检测，角点是图像中一个重要的局部特征，决定了图像中关键区域的形状，体现了图像中重要的特征信号，在目标识别、图像匹配、图像重构等方面有十分重要的意义

Labeled Fishes in the Wild 为鱼类图像数据集，图像中包含鱼类、无脊椎动物和河床，通过部署在远程操作潜水器上的渔业统计摄像系统拍摄得到的。鱼类位置数据被包括在相应的数据文件中（ dat，vec 和 info），标注了鱼在图像中的位置。

图像边缘检测和图像匹配研究及应用 图像边缘检测和图像匹配研究及应用

基于 SAR图像的目标检测是对 SAR 图像解译的重要环节之一。本文从 SAR图像的统计特性出发，对包括 SAR 图像统计特性描述，斑点噪声抑制，检测器设计等若干基于SAR 图像的目标检测关键问题进行了研究。

用c#编写的图像边界检测程序，实现了便捷跟踪算法

对两个时相遥感图像进行光谱量测，每个像元可生成一个具有变化方向(变化方向码)和变化强度两个特征的变化向量

针对现有电铲斗齿检测方法存在实时性较差、误报率较高等问题,提出了一种基于机器视觉的电铲斗齿缺失检测方法。该方法利用红外热像仪采集铲斗图像,基于模板匹配原理对复杂背景下斗齿的目标区域进行准确定位,利用帧差法实现斗齿的运动检测;在目标区域已定位的基础上,结合斗齿齿线区域的位置关系与齿线结构特征对斗齿进行分割提取,通过自适应阈值,实现对缺失斗齿的检测。实验结果表明,该方法实现了对电铲斗齿缺失的实时、在线、快速、准确检测,检测准确率达到90%以上,为电铲斗齿缺失检测提供了一种有效的解决方法。

传统的火灾检测系统由于传感器受环境影响较大导致效果较差。针对这一问题，文中基于图像处理技术，结合红外基础理论、双目立体视觉测距理论和开源计算机视觉库（OpenCV）设计并实现了一套火灾火源定位及检测系统。该系统能根据红外测温、轴向比判别、内外焰判别、形状不规则判别等算法，对火灾燃烧时出现的典型图像特征进行检测和报警，并能仿照双目视觉定位原理对火源进行定位与跟踪。该系统经过实验测试，检测和定位效果良好，能为类似的火灾检测系统的设计提供技术参考。

传统的卷积神经网络（CNN）是单任务网络，为实现带式输送机输煤量和跑偏的同时检测，使用2个卷积神经网络分别对输煤量和跑偏进行检测，导致网络体积大、参数多、计算量大、运行时间长，严重影响检测性能。为降低网络结构的复杂性，提出了一种基于多任务卷积神经网络（MT-CNN）的带式输送机输煤量和跑偏检测方法，可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数。在VGGNet模型的基础上，增大卷积核和池化核的尺度，减少全连接层通道数量，改变输出层结构，构建了MT-CNN；对采集的输送带图像进行灰度化、中值滤波和提取感兴趣区域等预处理后，获取训练数据集和测试数据集，并对MT-CNN进行训练；使用训练好的MT-CNN对输送带图像进行识别分类，实现输煤量和跑偏的准确、快速检测。实验结果表明，训练后的MT-CNN在测试数据集中检测准确率为97.3%，平均处理每张图像的时间约为23.1 ms。通过现场实际运行验证了该方法的有效性。