图像匹配、图像配准、图像校正

PCIE-16x 的Altium PCB封装， 包含 金手指 封装 和 插座封装， 3D模型，不是平面的，PCIE-X16.PcbLib，可用Altium Designer打开

胡宝清模糊理论基础的第二版，很清楚、详细的对模糊理论的知识进行了介绍

针对Compaq Visual Fortran (CVF)6.6 的后继编译器Intel Visual Fortran (IVF)9.0，系统介绍Visual Studio.NET 环境下各种Fortran 应用程序的开发，重点讲解Fortran QuickWin、FortranWindows、动态链接库及多线程应用程序的开发， 以及对话框和控件、自动化服务器和ActiveX 控件的使用，并全面、深入地探讨Intel Fortran 与Visual C++/Basic.NET 的混合编程。另外，本书对VisualStudio.NET 开发环境、Intel Fortran 9.0 编译器

基于K-means的图像分割程序，可以实现灰度图像分割

国内批量管理软件：iWebData服务器批量管理软件。批量管理上万台设备的神器。Windows 下 批量管理，批量监控，批量操作，批量安全扫描 linux Solaris Aix HP-Unix Windows 等操作系统界面最简洁的图形工具。批量执行多台服务器命令，批量修改密码，批量执行服务器脚本，批量上传文件，解放你的双手，五分钟批量执行上千台服务器命令。 Unix 实验室服务器批量管理监控系统，简称 UnixShellManager UnixShellManager 分简装版， 标准版，企业版。 UnixShellManager 实验室批量管理监控系统，能够实现对 windows 系统

SIFT算法特点• SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。• 独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。• 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。• 经过优化的SIFT算法可满足一定的速度需求。• 可扩展性，可以很方便的与其他形式的特征向量进行联合。SIFT简介SIFTScale Invariant Feature Transform传统的特征提取方法成像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应。传统的匹配算法往往是直接提取角点或边缘,对环境的适应能力较差,急需提出一种鲁棒性强、能够适应不同光照、不同位姿等情况下能够有效识别目标的方法。己0]/3/己7彐SIFT简介SIFTScale Invariant Feature TransformSIFT提出的目的和意义分1999年 British columbia大学大卫.劳伊( David g.Lowe)教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子一SIFT(尺度不变特征变换),这种算法在2004年被加以完善己0]/3/己7SIFT简介SIFTScale Invariant Feature Transform将一幅图像映射(变换)为一个局部特征向量集;特征向量具有平移、缩放、旋转不变性,同时对光照变化、仿射及投影变换也有一定不变性。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法特点SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。独特性( Distinctiveness)好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配。多量性,即使少数的几个物体也可以产生大量SIFT特征向量。经过优化的SIFT算法可满足一定的速度需求。可扩展性,可以很方便的与其他形式的特征向量进行联合。己0]/3/己7SIFT简介SIFTScale Invariant Feature TransformSIFT算法可以解决的问题目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决:目标的旋转、缩放、平移(RsT)图像仿射/投影变换(视点 viewpoint)光照影响(111 amination)目标遮挡( occlusion)杂物场景(c1 utter)噪声己0]/3/己7SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤简述SIFT算法的实质可以归为在不同尺度空间上查找特征点(关键点)的问题。原图像特征点特征点目标的特检测描述征点集特征点匹匹配点矫配正目标图像特征点特征点目标的特检测描述征点集SIFT算法实现物体识别主要有三大工序,1、提取关键点;2、对关键点附加详细的信息(局部特征)也就是所谓的描述器;3、通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点,也就建立了景物间的对应关系。SIFT算法实现细节SIFTScale Invariant Feature TransformSIFT算法实现步骤关键点检测己。关键点描述彐·关键点匹配4·消除错配点己0]/3/己7关键点检测的相关概念SFTiant Feature Transfor1.哪些点是SIFT中要查找的关键点(特征点)?这些点是一些十分突出的点不会因光照条件的改变而消失,比如角点边缘点、暗区域的亮点以及亮区域的暗点,既然两幅图像中有相同的景物,那么使用某种方法分别提取各自的稳定点,这些点之间会有相互对应的匹配点。所谓关键点,就是在不同尺度空间的图像下检测出的具有方向信息的局部极值点。根据归纳,我们可以看出特征点具有的三个特征:尺度方向大小己0]/3/己7

天津大学软工复习重点及答案总结，天津大学软工复习重点及答案总结

1、原论文及matlab仿真程序；2、提出一种基于非线性干扰观测器的滑模变结构控制方法。用一种非线性干扰观测器观测系统的不确定性和外界干扰，通过选择设计参数，可以使观测误差指数收敛。对引入非线性干扰观测器后的系统设计滑模变结构控制控制器，控制律的设计能够减小滑模抖震，保证闭环系统的稳定性，从而达到了对俯仰系统跟踪控制的目的。仿真结果表明，该方法能够较理想地观测干扰，减小控制器的输出，改善系统的控制性能。

本资料中包含了运算器ALU的设计源码、存储器的设计源码、控制器的设计源码、还有CPU的整体设计源码

有关盲均衡的matlab仿真,在不同参数下的误码率