Huffman压缩编码

以下代码参考zongzong1113的程序，仅作了很小修改，只处理亮度分量，其实色度分量处理方式是一样的 涉及颜色空间转换，DCT变换，DPCM差分编码、量化、Zig_Zag扫描 该程序未采用Huffman熵编码

在一张纸上写了非常多的数字，然后利用遗传算法进行训练，最后对样本数字进行识别

三维重构显示，显示一幅图片的三维效果图像，应用matlab作为工具！显示一个物体三维信息

Matlab粒子群优化算法工具箱。 PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。

基于opencv实现的asm算法的人脸检测，包括器官（眼睛、鼻子、嘴巴）和表情的识别，检测效果较好，难度适中，适合初学者学习使用。

资源描述 资源描述 基于OpenCV的数字图像处理程序。通过图像模糊二值化，查找连通域，提取数字信心。

综合加权的颜色和纹理的铺垫

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

资源描述代码主要作用是进行图像质量检测，包括图像的偏色检测和噪声检测。偏色检测是针对采集的24色卡图像，算法的实现先是进行颜色空间转换，再进行色差衡量。噪声检测则能够量化图像中噪声大小，对图像受噪程度有一个量化的任何，适用于检测高斯噪声的图像。

具箱包括34种数据降维技术，包括- Principal Component Analysis ("PCA") ---主成分分析- Linear Discriminant Analysis ("LDA") ---线性判别分析- Multidimensional scaling ("MDS") ---多维尺度分析这些可以通过compute_mapping函数或GUI调用：