基于MATLAB的外弹道系统仿真

包含LTE相关的协议，物理层，mac层，rrc层等，中文翻译的36系列协议，很全~

运行在Matlab2012下，带有GUI，可对彩色图像进行Kmeans和meanshift进行聚类分析，生成最后的聚类图像以及聚类中心的迭代轨迹

本版本用户登录界面采用js+html5+css3技术，利用vs asp.net(c#)软件平台开发设计。风格时尚，视觉效果强。登录页面展示信息全面，适合作为电子商务，社交，游戏等多用户平台登录界面。界面展示地址： http://moscte.com/xiaomo/login.aspx 预览后喜欢就下载学习吧！

该手册是一个关于后处理特别是场计算的即时帮助文档。场计算器可以具有很多功能，其最主要的功能是扩展 Maxwell 的后处理中除了计算/绘制主要场量图像的能力。场计算器利用对初始场量（如 H、B、J 等）的矢量代数计算可获得从麦克斯韦方程组的角度看数学表达正确，意义明确的值。

带高斯白噪声的Kalman滤波Matlab代码，每一步都有详细的注释，和kalman滤波的五个公式对应。并有高斯白噪声的产生函数，function G = CreateGauss(E,D,M,N) %产生均值为E,方差为D,MxN的高斯白噪声矩阵

数字钟要求显示时间、日期、闹钟设定时间。利用切换按键进行年月日、时间、闹钟定时操作，三种状态均可用增减两个按键进行调整，对于选中的数码管调整位，通过闪烁表示已经选中，例如：首先切换至日期，选中表示“年”的数码管，那么选中的位进行0.5秒的闪烁表示选中，其次可通过增减按键进行数字的增减。另外在按键消抖后，每次按键按下，蜂鸣器响表示已经按下；设定的闹钟到时候，按下任何按键均停止蜂鸣器，若没有按键按下，蜂鸣器长响至1min时长后，自动停止

基于Matlab的双闭环直流电机调速系统的仿真

Winform中使用CefSharp和js互相调用方法，Winform中使用CefSharp和js互相调用方法，Winform中使用CefSharp和js互相调用方法，Winform中使用CefSharp和js互相调用方法vs2019.debug目录下有cef所需要的文件，在其他项目里可以直接拷贝过去

LT码的编译码程序，很不错的代码，可以用的

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