粒子跟踪

这是一个利用MATLAB进行合成孔径雷达点目标仿真的典型程序，主要采取了距离-多普勒成像算法、chirp-scaling成像算法，并且还对成像性能包括积分旁瓣比、峰值旁瓣比作了仿真分析

C#中绘图主要使用GDI+，其效率比传统的GDI低，但C#中已经的库中又不包含传统的GDI函数，本程序将windows api中的绘图部分重新引用封装，达到在C#中使用GDI的功能，提高了绘图的效率。

资源描述这是一个应用程序使用Java开发和ExtJS做基于GCP点图像校正所使用的参考图像，如谷歌地图。本文提出的图像为TIFF格式，它支持输入图像为JPEG文件。它使用GDAL和仿射变换的图像格式和阅读的精馏过程。

ITK读入DICOM数据，VTK进行显示。该程序是itk和vtk联合使用的例子，适合初学者。-This program realizes the combination of ITK and VTK to read in and display DICOM image.

matlab练习程序（矩形变换为单连通形状）变换使用的模板必须是单连通的，而且模板中心必须在模板内，如果在模板中打个结或是月牙形，这里的程序就处理不了了。虽然非单连通模板也有办法处理，不过不是这里要讨论的。这里用到的方法和矩形变换为圆那片文章中用的方法几乎一样，变换前后像素按比例缩减，不过在判断弧度和图像边界到模板中心距离时略有不同。变换为圆时弧度可以直接计算出来，而变换为任意形状只能算出一个最小相似值。至于图像边界到模板中心距离只能分八种情况判断了，处理圆时可以根据对称性简化程序，这里似乎没有什么好办法简化。变换细节上，那篇文章中使用的是正向插值，这里使用正向插值则会产生很多空洞，因此选择了更常见的逆向插值。

传播神经网络算法的源代码 这是监督的神经网络，需要学习率和势头的两个学习参数

此函数可实现 2-D 双边滤波使用中描述的方法：C.托马西和 R.曼杜基。适用于灰度和彩色图像双边滤波。在计算机视觉、 1998年 IEEE 国际会议论文集。

高动态范围图像（High-Dynamic Range，简称HDR），相比普通的图像，可以提供更多的动态范围和图像细节，根据不同的曝光时间的LDR(Low-Dynamic Range)图像，利用每个曝光时间相对应最佳细节的LDR图像来合成最终HDR图像，能够更好的反映人真实环境中的视觉效果。 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject我们常在报纸上看到图片。观察这样的图片你会发现它是由一个个点组成的。我们也可以做出这种效果。很有趣。适用于初学者。背景操作系统: Microsoft Windows 7 专业版 (64 位) 开发实用程序: Microsoft Visual Studio 2010使用代码 // The height of the image. for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // The height of the image. for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // The index of pixel, because we use the three depth bit to present one pixel of color, // Therefore, we have to multiply three. lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // To get the pixel depth of the blue channel, byteRGB_BA = imageA->DibArr

应用背景 SIFT算法是D.G.Lowe[40]于1999年提出的，SIFT算法可分为两个部分：第一部分是生成SIFT特征，即SIFT特征向量提取过程；第二部分是通过对提取的SIFT特征进行匹配。 特征点描述子生成：计算每个4x4小块上8个方向的梯度方向直方图，并为每个梯度方向做一个累加值，得到一个种子点，如图3.5右图所示。图中每个特征点是由2x2个种子点构成，则每个种子点都具有8个方向的向量信息。为增强SIFT特征匹配的稳定性，每个特征点都通过4x4个种子点来加以描述，这就使得每个特征点都能够生成128个数据，进而形成4x4x8=128维的SIFT特征向量，其中4x4表示16个种子区域，8表示区域的8个方向。  关键技术（1）SIFT算法是一种基于图像局部特征提取的方法，SIFT特征具有尺度缩放不变性、旋转不变性，对视角变化、光照变化、物体运动、噪声也具有良好的稳定性。  （2）高速性，优化的SIFT算法可满足实时性需求。 （3）多量性，SIFT算法可以提取大量的特征点。 （4）可扩展性，SIFT算法可与其他算法相结合。 （5）独特性好、信息量丰富，匹配快速、准确。  经过第一阶段SIFT特征向量生成，第二阶段就是对提取的特征向量进行匹配。其特征点匹配步骤为：假设两幅待匹配的图像分别为S、T，分别从两幅图中提取SIFT特征点。