改进的乘性迭代算法 用于nmf

使用opencv进行肤色分割，可以划分出完整手型，并可测量出手掌重心，还可以进行腐蚀和膨胀去噪点。学习opencv不可多得的例子

应用背景H264编码不可缺少的步骤，程序带有文档说明。H264的编码的4*4DCT，量化，zigzag扫描，可以下载下来参考学习。关键技术VS的c++的H264编码部分的部分参考文档，很有参考价值。

OFDM 代码数载体： 64编码使用： 卷积编码单个帧大小： 96 位总数。帧： 100 调制： 16 QAM哈哈飞行员： 4环分机： 25%(16)

用matlab写的运动估计程序,主要包括全搜索运动估计算法，三步法快速搜索算法等

摘要：故障诊断起着物理的重要作用 故障分析与产量的学习过程。随着数百亿 晶体管被集成在一个芯片上，多个故障可能 存在的。随着多个故障，故障屏蔽和加固效果 可能会出现。它们可能会导致基于单故障常规 诊断方法，如在一个时刻的单个位置（SLAT） 为无效。如果没有流行的SLAT方法失败 够SLAT图案可以由单个stuckat说明 故障。此外，一个真正的硅缺陷可能表现为不同 故障在不同的故障模式模型（DM），它可 无效使用单故障模型的方法SLAT 在所有失败的模式。在本文中，我们介绍的概念 故障元件，支持多种故障模型，并使用faultelement 图（FEG）考虑故障屏蔽和加固 多故障之间的影响。基于所有失败的FEGs 模式，最有可能的故障位置和故障的因素 被反复识别。同时，FEGs是迭代地 修剪跟踪的其余多个故障的影响，直到 所有的故障点被确定，所有的FEGs减少 为null。实验表明，该诊断 方法可以识别，即使在​​多个故障的位置 DM具有较高的诊断精度和分辨率。 关键词：故障诊断，故障元件，故障元件 图（FEG），多种故障模式，多重故障。

对眼瞳的识别 很有效 ，主 要通过使用眼睛的分类器对人眼的眼瞳进行的识别 ，显示的效果很好 ，很大的程度上能实现对眼睛的识别。

clear,clc,close all; % compute the background image Imzero = zeros(240,360,3); video=aviread("SampleVideo.avi"); Im = double(cat(4,video(1:2:end).cdata))/255;     clear video % Convert to RGB to GRAY SCALE image. nFrames = size(Im,4); Imzero  = Im(:,:,:,1); for i = 2:5 Imzero = Im(:,:,:,i)+Imzero; end Imback = Imzero

  算法分两步，首先生成直方图，记录下每个灰度值的像素点个数； pg为存放直方图数据的数组，pg[i]为灰度为i的像素点个数，    ps: ——为全部灰度的一阶矩     ——为全部灰度的零阶矩，即全部像素个数 假定阈值为j，对阈值小于j

灰度图像可被视为地形起伏，其中像素的灰度被解释为其在起伏中的高度。落在地形地貌上的一滴水沿着路径流动，最终到达；

此文件包括10多篇中国知网上关于红外图像与可见光图像融合算法研究的硕博论文，系统的介绍了图像处理的多种方法，对初学者有很大帮助