人工蜂群算法

 组织图形数据的方法： ①以基本图元为单位：简单、重复。 ②以自定义图元为单位：对“相似图形”的抽象，是提高作图效率、提升设计能力的前提。采用“块对象”存储、管理自定义图元中的若干图形对象；采用“块插入对象”存储自定义图元的插入参数。不仅改善空间、时间复杂度，更便于“块插入对象”的更新。 创建块对象的参数：①块名，②图形中已有的图形对象的子集，③基准点坐标。 块对象的核心数据的说明：块对象虽然由参数②定义，但定义之后，块对象与参数②就不存在相互影响的关系。所以块对象中，应复制参数②中的所有对象。

超分辨率图像重建。具有非常好的效果，程序效率较高，有完整的注释和说明文档。

DSP 与上位机通信程序，DSP外围接口包括 DDR2，EMAC，PCI，IIC，Flash 等，以及一些测试程序。tms320c6455 High-Performance Fixed-Point DSP TMS320C64x+™ DSP Core Enhanced VCP2 Enhanced Turbo Decoder Coprocessor (TCP2) 64-Bit External Memory Interface (EMIFA) Four 1x Serial RapidIO® Links (or One 4x), DDR2 Memory Controller EDMA3 Controller (64 Independent Channels)-tms320c6455 High-Performance Fixed-Point DSP TMS320C64x+™ DSP Core Enhanced VCP2 Enhanced Turbo Decoder Coprocessor (TCP2) 64-Bit External Memory Interface (EMIFA) Four 1x Serial RapidIO® Links 、 DDR2 Memory Controller EDMA3 Controller (64 Independent Channels。

跟踪不同数量的非刚性物体有两个主要问题。首先，观测模型和目标分布可能是极度的非线性和非高斯性。其次，大量不同数量的对象的存在创造出带有重叠和模糊的复杂相互影响。为了克服这些困难，我们引入了一套能研究、检测、跟踪参与的对象的视觉系统。

DCT技术适用于图像压缩比，以获得更好的输出和重建图像，采用jpg标准。

基于视频的目标跟踪 ，在opencv2.4.8和vs2010开发，基于camshift算法，需要手动鼠标选取跟踪物体 

应用背景灰度形态学是数学形态学处理扩展到灰度图像的基本操作与二值形态学不同的是,灰度形态学处理的是灰度数字图像而不是集合。关键技术Top一Hat运算是原始图像信号与其开运算后的信号之差,所以经Top一Hat变换处理后的图像,能抑制平缓变化的背景和不相关结构信息,提取出形状类似于结构元素的孤立目标和噪声,即可以检测出图像信号中的灰度峰值,因此Top一Hat算子具有高通滤波的特性。

关于图像的对称的学习，使用的sift算法，有代码页有文章的介绍，很好用！

我正在做我的工作基于矩的图像分析。矩方法在图像上的会增强其相比其他功能的行为。在这里与我已附上一些我 matlab 编码为您 refrence.please，尽快把你的反应。

应用背景对于同样一个实体，使用三维扫描可以生成三维点云，如果能有效地对齐三维点云，即可更好地建立三维模型，并且生成更多三维信息。关键技术三维点云对齐采用的SVD分解的方法。利用K-D树建立空间索引，然后使用最近点迭代的方法，寻找匹配点，实现三维点云对齐。