软件做图

Matlab粒子群优化算法工具箱。 PSOt为PSO的工具箱，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。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。

基于bat算法的图像特征提取和阈值分割及边缘检测采用高斯拉普拉斯方法，

应用背景图片经过直方图均衡化后，像素将占有尽可能多的灰度级并且分布近似均匀，均衡化后的图片将具有较高的对比度和较大的动态范围。关键技术程序完全使用C语言编写，对直方图均衡化过程描述直接，使初学者对均衡化过程有一个直接的认识。均衡化前后图片的灰度直方图均以文件的形式保存，可以通过origin等绘图软件绘图。

目录

近年来，加速增长的数字媒体收藏集和特别是静止图像集合，这两个专有和在网络上，建立了需要为发展的人类-为中心的高效的访问和检索的视觉信息的工具。需要管理这些图像和目标图像响应用户查询 h 的定位成为一个重要的问题。图像分类是有效地处理海量图像数据库的重要一步，使高效的检索算法的实现。图像分类是指的一种数字图像分为不同的类别，在特定的数据集，基于属性值内的分组。这样做的目的是为了替换图像数据的可视化分析与定量技术。本项目提出了图像分类技术的基础使用离散余弦变换、 沃尔什变换的变换后图像的特征向量。特征向量的各种大小是 8 × 8、 16 X 16、 32 X 32、 64 × 64 和 128 × 128 等生成的。所提出的算法被过的数据库1000 幅图像传播超过 10 个不同的类。欧氏距离作为相似性度量。设置一个门限值来确定查询图像属于哪一类的。

应用背景遥感成像的时候，由于飞行器的姿态、高度、速度以及地球自转等因素的影响，造成图像相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，针对几何畸变进行的误差校正就叫几何校正。关键技术系统原理是先读取HDF中的经纬度数据集，然后建立51*51的GCP控制点，通过对GCP点的投影转换来对角度数据集和辐射定标后的科学数据集进行几何校正。在几何校正的过程中将角度数据重采样到1000*1000分辨率，以便后来进行气溶胶反演的时候，按行列号查找角度数据。

这档节目正在变化的培训SET其中包括前期的形象.PREPROCESSING涉及图像以供随时THE NEXT STAGES。我们的主要目的在于，在眼疾病症状的检测。

读取mapinfo数据 有强大的api 接口， 实现。tab/。mif文件的读取，丰富的类库处理电子地图数据

代码为判断点在多边形内算法，采用的是射线法，将射线与多边形边的交点进行奇偶判定得到结果。代码实现为c语言，未添加主函数，已经经过调试，可直接调用。对于大部分自相交多边形无法判断，其他类型都可以判断。代码内容相对比较规范，有添加部分注释，对算法原理没做详细说明，请自行查找。

粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率， 可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样 法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行 近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里的样本即指粒子,当样本数量N→∝时可以逼近任何形式 的概率密度分布。