bzoj

说明：  首先对车牌识别系统的现状和已有的技术进行深入的研究，然后开发出一个基于 Python 的车牌识别系统，文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法，然后用颜色特征和形态特征相结合的方法来确定车牌位置，用彩色分割法来完成车牌分割，最后，运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)

对图像进行压缩，算术编码实现程序和仿真图象，给出基于 DCT 的图像压缩的 matlab 仿真结果(Image compression, arithmetic coding implementation program and simulation image, the image compression based on DCT matlab simulation results)

低时延检测技术分析，包括免调度和信息重传，低时延(Low latency detection technology analysis, including free scheduling and information retransmission)

各种矩阵算法库,支持UpperTriangularMatrix,LowerTriangularMatrix, Diagon()

图像清晰度评价函数说明 1、熵: 表示图像所包含的平均信息量的多少,嫡值越大则所含信息量越多。 文件名：entropy.m 结果：EN 2、交叉嫡：反映两幅图像的差异,交叉嫡越小,则融合图像和原图像的差别越小。 文件名：cross_entropy.m 结果：平均交叉嫡MCE，均方根交叉嫡RCE 3、峰值信噪比: PSNR越高,说明融合效果与质量越好。 文件名：psnr.m 结果：PSNR 4、Qabf: 评价边缘或梯度质量，越大边缘越明显 文件名：Qabf.m 结果：Qabf（QAB/F) 5、平均梯度（Average Gradient）:也称为清晰度，反映了图像中的微小细节反差与纹理变化特征，同时也反映了图像的清晰度，越大越好。 文件名：avg_gradient 调用：outval = avg_gradient(img) 6、结构相似性指数： SSIM指原图像和融合图像的相似程度,值越大越相似 文件名：ssim.m 结果：SSIM 7、互信息：MI(mutual information) 8、NMI: Normalized mutual information(Image sharpness evaluation function)

使用经纬坐标方法矫正鱼眼图像，使得畸变后的鱼眼图像提取有效区域并矫正(Orthodontic fish eye image)

说明：   奇怪的分式 上小学的时候，小明经常自己发明新算法。一次，老师出的题目是： 1/4 乘以 8/5 小明居然把分子拼接在一起，分母拼接在一起，答案是：18/45 （参见图1.png） 老师刚想批评他，转念一想，这个答案凑巧也对啊，真是见鬼！ 对于分子、分母都是 1~9 中的一位数的情况，还有哪些算式可以这样计算呢？ 显然，交换分子分母后，例如：4/1 乘以 5/8 是满足要求的，这算做不同的算式。 但对于分子分母相同的情况，2/2 乘以 3/3 这样的类型太多了，不在计数之列!,四个四个数不同 请写出所有不同算式的个数（包括题中举例的）。 思路：循环遍历。 dfs c++(dfs c++)

说明：  这是一个基于超像素算法的分割小软件，可以用于图像的分割，但是没有语义。使用者如果用于商用，要联系软件中的作者(This is a small software based on super-pixel algorithm, which can be used for image segmentation, but without semantics. Users for commercial use should contact the authors in the software.)

输入待分解图像的数据矩阵 可以显示原始图像以及其尺度2的小波分解图 小波包函数可在函数中自行修改(The input matrix of the image to be decomposed can display the original image and the wavelet packet function of the wavelet decomposition graph of scale 2 can be modified by itself in the function.)

特征提取，主要是灰度共生矩阵和不变矩特征提取的程序，openCV下可直接运行(Feature extraction, mainly GLCM and invariant moments feature extraction procedures can be run directly under openCV)