代码：

本文介绍了一种利用拉普拉斯金字塔进行图像融合的具体 matlab 程序。程序首先读取两张原始图像，分别为多光谱图像和全色图像，然后通过拉普拉斯金字塔算法对两张图像进行分解和重构，最终得到一张融合后的图像。程序中使用了 imread 和 imshow 等 matlab 函数，同时也对图像进行了一些处理和显示。

百度、高德、腾讯、天地图、谷歌、必应等自定义地图/图片叠加层/瓦片图/金字塔图地图切图高清切片生成工具 MapCutter（旧名MapTiler） ，定位便捷，支持超大地图，支持leaflet、maptalks、openlayers、cesium、及自定义模版输出。最新版本修正了百度地图的偏差、可调整地图图层的不透明度,、完善webgl输出、支持openlayers、cesium网页输出、支持多点调整区域、支持25级切图、支持根据图片坐标自动定位、支持切片图片质量及图片类型、支持MapBox，支持游戏地图开发，可设置图层的宽度高度，便于与游戏像素相匹配。提供小型集成网页开发环境（谷歌内核），可直接对生成的网页进行调试、修改、保存。更多功能请看 https://blog.csdn.net/surfsky/article/details/106951716

详细总结了光流方法和图像金字塔算法，是学习这两方面方法的经典内容。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

Tensorflow实施论文“快速，准确的超高分辨率的深拉普拉斯金字塔网络”（CVPR 2017） 这是使用TensorLayer的Tensorflow实现。 原始论文和使用MatConNet的实现可以在他们的上找到。 环境 使用python 3.6和cuda 8.0对实现进行了测试。 下载资料库： $ git clone https://github.com/zjuela/LapSRN-tensorflow.git 火车模型 在config.py文件中指定数据集路径并运行： $ python main.py 使用挑战数据集对预训练模型进行训练。 测试 使用您的测试图像运行： $ python main.py -m test -f TESTIMAGE 结果可以在文件夹./samples/中找到

针对雾天图像存在信息丢失、区域不清晰以及雾气遮挡等问题,提出了一种基于双边滤波的高斯金字塔变换Retinex图像增强算法,以提高雾天图像的对比度。首先,基于空间域核函数和像素差,建立了改进的双边滤波函数数学模型。然后,将输入图像转换为HSI(Hue,Saturation,Intensity)图像,用改进的双边滤波函数代替原算法中的高斯函数,从亮度图像(I色彩空间)中提取反射分量,以获得保持边缘且不受亮度影响的反射图像。最后,通过高斯金字塔降采样,获取不同尺度的彩色图像,用改进的Retinex算法对多种尺度的图像进行增强,并基于高斯-拉普拉斯算法进行降采样重构,以提高图像的对比度。实验结果表明,本算法能有效增强图像的对比度,且处理后的图像色彩符合人眼观测效果。

总结了经典光流法的计算，同时结合着调研的几个最新的光流法的变体，进行了分析和介绍

GDAL是遥感数据的IO处理库，可以读写erdas img、GeoTiff等多种文件格式。本文通过建立金字塔读取大数据量的文件

scratch算法题，金字塔三角形