虹膜识别代码

半监督学习（Semi-supervised Learning）是模式识别和机器学习领域研究的重点问题，是监督学习与无监督学习相结合的一种学习方法。它主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题。

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。

实现VC++二维码解码功能，解析常见二维码。QRcode解码译码器，功能为读入一张图片译出其内容，具体功能包括图形探测定位、图形过滤校正、检错纠错等。

本程序功能与Windows下附件中的画图软件功能相近。本程序是在VC6.0平台上用MFC所编，支持多文档和多视图结构，视图为滚动视图，允许分割窗口。绘制方面的功能主要包括绘制各种图元，包括直线、Bezier曲线、矩形、圆角矩形、椭圆（圆）、多边形，用笔或画刷自由绘图，橡皮擦擦除，颜料桶填充，取色和区域选取移动。绘图时可以选择各种画笔颜色和画刷颜色，各种线型和线宽，以及画封闭图元时是否填充，当然，还能设置背景色、清除图像及画布大小调整等，并且在绘图区单击右键会弹出快捷菜单。程序支持保存和读取位图格式。 程序界面主要由标题栏、菜单栏、工具栏、状态栏、绘图工作区及属性页对话框组成，其中有四个实现不同功能的工具栏，包括MFC自动生成的工具条、自定义的工具箱（ToolBox）、颜色盒（ColorBox）和工具属性栏（ToolStyleBox）。其中MFC自动生成的工具条用于保存文件之类的操作工具箱可以选择绘图或操作方式，颜色盒选取颜色，工具属性栏设置工具属性，状态栏中显示鼠标在绘图区的逻辑坐标，属性页对话框可以改变画布大小及设置背景色和前景色。工具栏和状态栏有停靠和浮动功能。

opencv 中基于控制台的双摄像头的图像同步采集，可以用于相机标定时的棋盘图像采集工作。可以运行，需要根据自己的版本改opencv的编译库

资源描述 改程序可以方便直观的查看RGB与HSV的值，同时加入了鼠标移动消息的相应，鼠标移动到屏幕任何一点，程序都会显示对应点的RGB和HSV值，具体界面如下：  

在加工每一针前根据设定轨迹、运动参数、物料材质、当前加工位置等先用BP神经网络得到加工点粗略的变形量,对加工轨迹进行预补偿。加工时动态采集加工点的局部图像,经数字图像处理得到加工点实际坐标与设定坐标的偏差值,一方面将所得值作为神经网络的输出样本,结合相关参数对神经网络进行在线培训,另一方面将此偏差值与加工点设定坐标之和(即加工点实际坐标)用神经网络的输出进行预补偿,求出其与针头实际位置的差值作为PID控制器的输入,从而提高控制系统的动态特性,实现快速精确绗缝的自动化加工。

图像处理比较全面的算法，包括图像的读取和显示，图像的点运算，旋转，与或非，边缘提取等等，自编

应用背景 适用于数码相机等手持设备拍摄到的字符图片实现图片左下角时间识别、图片中存在的较大字符区识别。 字符区字符数建议8个以上，如果要识别的字符数有变化，可对程序中一个对字数数进行筛选的参数进行修改即可。 关键技术关键点：如何在整个图片中搜寻到字符区的方法以及搜索到以后如何进行筛选出真正的目标区。

sift算子是由D. G. Lowe在1999年提出，2004年完善的一种特征提取的方法，它主要有四个阶段：1）尺度空间极值检测（运用到Gauss函数和difference-of-Gaussian ）2）关键点定位3）定向分配（运用方向直方图，找到一个主方向，主方向的峰值的80%为辅，增强鲁棒性）4）关键点描述符