瑞萨读iic

实对称 三对角阵的全部特征值及相应的特征向量的计算-Symmetric diagonal matrix of all eigenvalues and eigenvectors corresponding calculation

包含 排序，堆，二叉树，二进制，括号匹配，简易word，四则运算，银行叫号系统等 编程实例  有利于初学者进行学习

这是真正好的代码的 MMSE 信道估计你可以享受的 ofdm 信道容量分析，这是比别人更好的信道估计技术

应用背景leetcode中第一个问题，两个数相加问题。leetcode中第一个问题，两个数相加问题。leetcode中第一个问题，两个数相加问题。leetcode中第一个问题，两个数相加问题。leetcode中第一个问题，两个数相加问题。leetcode中第一个问题，两个数相加问题。leetcode中第一个问题，两个数相加问题。关键技术扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。扫描，然后相加。

基于模板的圆检测算法,很好的程序,看了都说不错-based on the template circle detection algorithms, good procedures, said good read

著名的迭代就近点算法（icp）的源代码，在20世纪80年代中期，很多学者开始对点集数据的配准进行了大量研究。1987年，Horn[1]、Arun[2]等人用四元数法提出点集对点集配准方法。这种点集与点集坐标系匹配算法通过实践证明是一个解决复杂配准问题的关键方法。1992年，计算机视觉研究者Besl和Mckay[3]介绍了一种高层次的基于自由形态曲面的配准方法，也称为迭代就近点法ICP（Iterative Closest Point）。以点集对点集（PSTPS）配准方法为基础，他们阐述了一种曲面拟合算法，该算法是基于四元数的点集到点集配准方法。从测量点集中确定其对应的就近点点集后，运用Faugera和Hebert提出的方法计算新的就近点点集。用该方法进行迭代计算，直到残差平方和所构成的目标函数值不变，结束迭代过程。ICP配准法主要用于解决基于自由形态曲面的配准问题。

神经网络遗传算法函数极值寻优——非线性函数极值寻优

使用动态规划方法解决多个生产线上的调度问题，进而解决生产线调度的最小时间问题-use dynamic programming solution to a number of production line scheduling problem, thereby solving production line scheduling the minimum time

    图像去雾雾，包括雾、霾、沙尘、烟等一切导致视觉效果受限的物理现象。由于雾的存在，户外图像质量降低，如果不处理，往往满足不了相关研究、应用的的要求。在雾的影响下，经过物体表面的光被大气中的颗粒物吸收和反射，导致获取的图像质量差，细节模糊、色彩暗淡。通过一定的技术手段，去掉物体表面的雾霭，增强图片效果显得尤为重要。   Tarel等人提出了一种基于中值滤波的去雾算法，该算法虽然速度比较快，但由于中值滤波不能很好的保持边缘信息，导致得到的大气散射光分布不能很好地反映场景的深度信息。在景深发生突变的边缘区域，无法得到令人满意的去雾效果。 在本篇论文中，香港城市大学针对Tarel去雾方法进行改进。  源码包来自作者的英文主页下载，其中包括作者EI论文原文，PPT，以及全部代码和测试集。对图像去雾领域的研究能提供重要的借鉴意义。

在Python下基于Arcgisn内核完成了影像拼接的功能，根据图像的地理位置进行拼接，对于重叠去的处理，就是后面处理的图像会覆盖前面处理的图像，计算所有的输入文件的空间范围的并集，然后根据图像的分辨率，计算结果图像的大小投影等信息，这个函数里面其实可以直接进行投影转换，等一系列的坐标转换处理，程序可以运行。