通过约束 p 范数最小化的重建

用于医学图像重建的反投影算法。电子医疗最好的技术之一图像重建领域，这是最重要的和广泛使用的算法

Rob Hess的代码好像是linux上的，我稍微改了下，让Windows+VS2008能跑。main函数在track1.c里，默认是处理附带的视频，当然可以方便的改成从摄像头输入视频(cvCaptureFromCAM)。我用的是opencv2.0，没有测试低于2.0的版本。程序开始后，读入第一帧图像后，需要用鼠标拖动出跟踪目标区域，(然后按回车)。跟踪区域较小时速度较快，跟踪区域大时明显变得很卡。代码还需要gsl库的支持，我用的是gsl1.8,

用鼠标框选需要检测的物体，依据颜色直方图特征，进行动态检测，如果有接近所选的物体的颜色直方图特性，会导致检测失败；如框选笔记本电脑摄像头跟踪的人脸，如果有手挡住人脸，会出现跟踪人脸的情况。

机器学习算法代码，可以用于分词，图像识别，行为识别等 原版本只可以在32位xp下运行，经本人修改，适用于各种版本matlab windows   clear all useMex = 0; % Set this to 1 to use mex files to speed things up %% Generate Synthetic Data % Notes: %   - X is categorical, each element X(i,j) contains the value of feature j for word i, %       a value of "0" means ignore the feature for this training example %   - y is cateogircal, each element y(i) contains the label for word i %       a value of "0" indicates the position between sentences [X,y] = crfChain_genSynthetic; nWords = size(X,1); nStates = max(y); nFeatures = max(X); %% Initialize parameters and data structures [w,v_start,v_end,v] = crfChain_initWeights(nFeatures,nStates,"randn");%初始化参数为正太分布，w状态-特征，v状态-状态 featureStart = cumsum([1 nFeatu

为法医学部门开发了一个应用程序，使用户能够操纵、分类、存储和共享数据。本文利用Matlab平台对指纹图像进行处理。其他工具和用户界面都是使用VB.Net版. 因此在这里Matlab模块将嵌入visualbasic，以提供一个高效的用户界面和一个安全的数据库。此Matlab模块处理基于人脸和指纹生物特征融合的图像系统。将采用单独的技术来识别面部特征和指纹特征，并将进一步融合。&文献综述：拉普拉斯人脸用于人脸识别。DFB用于指纹识别，人工神经网络用于两者的结合。基于人脸和指纹的多模式认证模型

应用背景全球首款开源图形处理器，MIAOW是Many-core Integrated Accelerator Of the Waterdeep的缩写，它是基于AMD Southern Islands Radeon HD 6000系列显卡开源指令集架构的RTL实现。关键技术领导该项目的计算机科学家Karu Sankaralingham说，开源硬件代表着新的方向。他预测五年十年之后企业将会像使用开源软件那样使用开源硬件。MIAOW目前还只是一个学术研 究项目。Sankaralingham的团队正在此基础上构建不依赖于现有商业产品的全新设计

VTK图像弯曲变形源代码VC + +，初学可以研究。vtk的的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的的图像弯曲变形源代码VC + +，初学可以研究研究，VTK图像弯曲变形源代码VC + +，初学可以研究。vtk的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的图像弯曲变形源代码VC + + + +，初学可以研究研究vtk的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的图像弯曲变形源代码VC + +，初学可以研究研究vtk的的图像变形源代码VC + +中，你可以学习的初学者 

他的论文描述基于 LCA 强大功能提取 methodز 作为一种高效的人脸检测系统从涉及复杂背景下，使用基于独立 分量分析的特征提取的图像示例基于人脸检测和 RDF 识别器。为示例基于人脸检测困难的问题之一就是要估计 低维子空间而不会降低鉴别性特征。人脸识别，ICA 是一个更好工具来代表脸上尽可能的图像作为少数几个组件。 我们用 RBF 神经网络来区分的面孔和非面孔和评价其性能作为判别属性用 ICA。

这是从primal sketch integrating texture and structure的作者之一，吴英年教授的网站上下载下来了，经过本人亲自运行，代码是完善的而且可以使用的，十分有价值的一个代码

多种中值滤波器 (5 点交叉, 1x2, 1x3, 2x2, 3x3, 3x4, 4x4, 4x5, 5x5, 7x7) 来降低图像中的椒盐噪音。我还计算了 MSE 值来决定中值滤波器的质量并画出图形来表示 MSE 和中点