数字图像复原

一维高斯滤波就是使用一维高斯公式生成一个一维的矩阵，然后使用该矩阵对图像中的每一个像素进行处理。处理方法是计算当前像素与其周边像素和矩阵中对应的权值的乘积的和。先对图像横向处理，完毕以后再对纵向处理（顺序相反也可以）。

资源描述这个代码能够实现简单的1,2,3....10的手势识别，但是代码的识别率不是特别高。源码是我在网上下载，但是我自己编译时报错，发现源码中有一处细微错误。我自己更改后成功运行，但是代码本身算法不够好，精确度不高。

通过电脑摄像头的拍摄，对视频中出现的手掌和拳头进行检测并标记，程序现在还是不很稳定，需要加以修改，后续如果有改动，在往上面增加。

使用openc读取并显示一张图像。作为一个范例，该样例使用的是opencv 2.0的接口和函数，使用了Mat（2.0新加入的结构），调用了imread、imshow、waitKey等函数用于绘制图像。

该源码是一个相机标定的源码包，能够完成立体视觉中单目和双目摄像机的标定，本源码包内包含多个GUI源码，可以完成多个试验，如角点检测等

过去的几年里已经看到照片的使用响应非均匀性噪声 （PRNU） 的一个独特的指纹如影像传感器，在各种数字的法医学应用源设备标识、 验证内容的完整性、 和身份验证。然而，使用一种颜色筛选数组捕获的每个像素的三个颜色分量的唯一介绍了彩色插值噪声，同时现有的方法提取 PRNU 为解决问题提供没有有效的手段这一问题。因为人工色素获得通过彩色插值过程不直接取自由物理硬件的场景，我们期望，PRNU提取的物理组件，都是免费的插值的噪音，应比从更可靠人工渠道，进行插值噪声。在此基础假设我们建议夫妇解耦的 PRNU (CD-PRNU)提取方法，首次分解每个颜色通道到四个的子图像，然后提取物 PRNU 噪声从每个子图像。PRNU 的子图像的噪声模式然后组装得到裁谈会 PRNU。这种新方法可以防止插值噪声传播进入物理组件，从而提高设备识别的准确性与图像内容的完整性验证。索引术语 — — 彩色滤光阵列、 马赛克

此代码主要描述的是对图像的预处理过程，包括对图像的灰度化、二值化、边缘检测，细化、高斯去噪、分割、平移、旋转以及归一化处理，能够将读入的数字图像进行处理，更好的模式识别提供特征提取。

贝叶斯分类器（Naïve Bayes）源代码，使用决策树(Decision tree)分类算法、朴素贝叶斯（Naïve Bayes）算法，对文本进行分类，里面有代码的解析，适合初学者对基于代码对算法进行理解。

多输入多输出 (MIMO) 网络 同时使用多个射频链的接口。在这 纸，我们提出一种新型电源管理解决方案 mimo 在移动系统中，被称为的天线管理网络接口。 关键点是要自适应地禁用子集的天线和其 射频链以降低电路功耗，当能力 使用大量的天线的改进很小。天线 管理明智地确定活动的数量 天线尽量每位能源同时满足的数据速率 要求。这项工作提供了这两个理论的框架和 天线管理系统的设计。我们第一次礼物

l  跨浏览器，可兼容IE7--IE10， FireFox， Chrome， Opera等几大内核的浏览器，且不需要浏览器再加装任何控件。 l  多系统兼容性、可移植性:由于只包括前台UI,因此二次开发者可很方便将本插件用在任何一种需要流程图的B/S系统应用上，流程图的详细实现逻辑完全交于后台程序开发者自己实现;