基于空间和谱熵的无参考图像质量评价

应用背景数字图像恢复是数字图像处理的一个基本的和重要的课题，它是后期图像处理（分析和理解）的前提。图像在摄取、传输、储存的过程中不可避免地引起图像质量的下降（图像退化），图像恢复就是试图利用退化过程的先验知识使已退化的图像恢复本来面貌，即根据退化的原因，分析引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。关键技术本程序是由C++编写的，可以直接运行的源代码，实现的功能是数字图像复原技术，对已经处理过的或由于某些操作降低了质量的图像进行复原。

ATmega16 单片机驱动240X120的屏幕，液晶屏分为4 行*15列汉字使用间接操作方式，做的农历显示界面，可以参考内容和移值，

isodata是一种非监督分类，又叫迭代自组织分析，通过设定初始参数而引入人机对话环节，并使用归并与分裂的机制，当某两类聚类中心距离小于某一阈值时，将它们合并为一类，当某类标准差大于某一阈值或其样本数目超过某一阈值时，将其分为两类。在某类样本数目少于某阈值时，需将其取消。如此，根据初始聚类中心和设定的类别数目等参数迭代，最终得到一个比较理想的分类结果。这里是它的的matlab程序，套用性强，容易移植

采用肤色分割和气泡排序的方法跟踪手的质心。使用卡尔曼滤波改进了结果；

Multiresolution Spline whith aplication to image mosaics, Laplacian pyramid blendin。这是国外一个牛人于2010年完成的一个开源图像融合源码，是基于拉普拉斯金子塔分解的图像融合，其中封装了一个图像操作库，运行效果不错。

应用背景这是加载一个BMP文件转换成一个矩阵的应用。我们做二值化与阈值并保存成BMP文件。这个应用程序使用在细化过程。这个应用程序的想法很简单，只是比较和阈值，将给予0或255的价值。关键技术该算法的思想是很简单的，只是比较的每一个值在一个阈值，结果将0或255的矩阵。二是白色或黑色，所以这种方法是用来使画面变成白色，黑色。

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

自己编写的源程序，能够利用hough变换实现对灰度图像和彩色图像中简单图形的提取。

&提出了一种基于Bernsen算法和支持向量机（SVM）的车牌识别方法；

mfc标记识别源