C++程序，功能是读取激光雷达的数据，处理后提取直线特征。

通过基于L1范数的2D概率PCA进行图像离群值检测和特征提取

针对运动想象脑电信号特征提取困难，分类正确率低的问题，提出了利用小波熵进行特征提取并采用支持向量机（SVM）来分类的算法。计算运动想象脑电信号的功率，通过理论分析选择小波包尺度，对信号功率进行小波包分解并计算其小波包熵（WPE），提取C3、C4导联的小波包熵插值组成特征向量，将特征向量作为分类器的输入送入支持向量机进行分类。采用国际BCI竞赛2003中的Graz数据进行验证，算法的最高分类正确率达97.56%。算法特征向量维数低、数据量小、分类正确率高，对运动想象脑电信号特征提取及分类的任务可以提供参考方法。

对小波变换的时频分析特征进行了详细研究,将其应用到配电网常见故障的识别中。在MATLAB/SIMULINK下搭建了系统仿真模型,对发生不同故障时的电流信息进行了特征提取,结果证明基于小波变换的方法不仅能对故障类型进行判别,而且还能准确确定出故障发生的时间。

主要研究了基于流形学习ISOP算法的语音特征提取。将流形学习ISOP算法应用到语音识别特征提取模块中。仿真实验结果表明，该算法与传统的特征提取算法MFCC、LPCC等相比，可以取得较高的识别率。

img1中的特征点个数： img2中的特征点个数： SIFT算法用时是：1秒 img1的特征描述矩阵大小[]特征向量个数： 特征向量的维数： 128 img2的特征描述矩阵大小[]特征向量个数： 特征向量的维数： 128 匹配的个数： 最大距离： 最小距离： goodMatch个数： 匹配率：

matlab实现的颜色矩（颜色特征提取）

是这篇博客中的项目，http://blog.csdn.net/masibuaa/article/details/9246493?reload 他的是基于QT的项目，我转成了VC9的，可以使用opencv2.3和opencv2.4，其他版本没测试过，项目中已经有了opencv的配置文件，把OpenCv2.4.3 放入到D盘，将配置文件放到OpenCv的目录下即可，当然也可以自己配置。

线激光视觉传感的机器人三维焊缝导引与跟踪控制研究

自己整理的计算机视觉中常用的描述子介绍，包括SIFT、DAISY等等