医学影像查看DICOM

应用背景该算法是从一个静态相机视频背景减法。所有您需要做的是提供一个视频，你可以得到前景视频。你必须提供背景模型。 ； ；然后比较这个设置为当前的像素值来确定该像素是否属于背景，适应模型，通过随机选择的值来代替从背景模型。这种方法不同于那些古老的价值观的基础上，首先应更换经典的信念。最后，当像素是背景的一部分，它的价值是传播到邻近的像素背景模型。我们描述方法的详细资料（包括伪代码和使用的参数值）和比较其他减背景技术。效率的数字显示，我们的方法优于最近的和成熟的国家的最先进的方法的计算速度和检测率。我们还分析了一个缩小的版本，我们的算法的一个比较和每像素一个字节的内存最低限度的性能。看来，即使是这样的一个简化版本，我们的算法的性能比主流技术。关键技术在这段代码中使用的技术是视觉工作室。语言是C + +。该算法有很多的应用程序，可以帮助你在前景检测 ；一个典型的视频监控小目标检测：盛传为物体的轮廓是非常精确的因为没有空间滤波。这对小目标的一个有效的检测是特别有用的。 ；一个更好的划分对象的深度图的氛围和RGB同时使用噪声图像中盛传的表演后处理工具对象分割。修复与氛围感应范围（深度）地图

应用背景该算法能适应复杂变化的环境，准确地提取运动目标，对复杂干扰场景下的实时运动目标检测得到了较为满意的效果关键技术采用帧间差法和背景差法相结合的运动目标检测方法，

直方图均衡是图像处理的工作，以获得所述图像的亮度的均匀分布。如果它是具有低对比度的图像，它是改善图像的亮度的处理。使用cvEqualizeHist（）函数中，图像被分成三个信道，而在cvMerge函数，使每个信道的图像。

天文导航计算，输入任意2点，自动计算航程及航向，并可以显示在独立的窗口中。

 采用空间分集的方法可以有效地对抗无线信道中的衰落. 由于受到体积 、 重量 、 成本等因素的限制 ,在 无线通信系统的用户终端上实现多天线技术较为困难. 而在单天线的无线用户间通过协作 ,共享天线 ,可以实现虚拟 的多天线. 低密度奇偶校验 (LDPC) 编码是一种性能优良的线性分组码 ,利用其码字内码元间固有的相关性 ,通过不同 的用户发送码字的不同部分 ,可以实现虚拟的多发送天线 ,获得发送分集增益 ,在不增加系统带宽和发射功率 、 系统复 杂度也不会明显增加的情况下能显著地提高系统性能

完美运行meanshift和camshift物体跟踪，实时显示色度直方图，鼠标标记，跟踪该物体

应用背景我开发这个项目的C #。这个项目是实时检测移动对象。谢谢，有，有，有，有；关键技术你好，我用帧差法和轮廓检测法在这个项目中；谢谢

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。

1，这是技术结合SVD和DWT2，同步码技术，实现了非常低的概率误差率3，它提出了一个多层次的安全，可靠和高容量的图像水印算法。

Matlab Code 为脸识别基于 LDA 算法-FisherFace- on orl_faces （图像人脸数据库）