搜索资源列表
编译原理及实践
- 目 录 译者序 前言 第1章 概论 1 1.1 为什么要用编译器 2 1.2 与编译器相关的程序 3 1.3 翻译步骤 5 1.4 编译器中的主要数据结构 8 1.5 编译器结构中的其他问题 10 1.6 &
image_identify
- 实现图像的预处理,包括灰度值转换,二值化,梯度锐化,去离散噪声,整体倾斜调整,字符分割,尺寸归一,紧缩重排等功能,经过神经网络训练后可以字符识别。-image preprocessing, including gray-scale conversion value, the value of the gradient sharpening to discrete noise, overall tilt adjustment, character segmentation, to a size a
PSF
- 本文针对灰度图像的盲复原问题进行了一些研究,介绍了两种不同的图像盲复 原处理的方法。一种是误差一参数分析法,该方法适合于辨识可以用参数来表征的 点扩散函数,如线性移动模型和Gauss模型等,然后根据估计的参数确定退化图像 的点扩’散函数,再利用常规的复原算法(如维纳滤波法)对退化图像进行复原处理 另一种是非负支撑域约束递归逆滤波(NAS-R工F)算法,文中介绍了NAS-R工F算法 的基本思想,并结合正则化的思想,提出了NAS-RIF的改进算法,相应对该算法的 性能效果
基于Mean Shift的阈值分割
- 阈值分割算法是一种将灰度图像转化为二值图像的简单有效的方法,但是由于需处理图像的复杂性,常常使得阈值分割算法中阈值的选取问题无法很好解决。针对这个问题,在进行阈值化处理之前,我们先借助Mean Shift算法的分割特性将灰度值相近的元素进行聚类,然后,在此基础上应用阈值分割算法,达到将图像与背景分离的目的。 简单来说,基于Mean Shift的图像分割过程就是首先利用Mean Shift算法对图像中的像素进行聚类,即把收敛到同一点的起始点归为一类,然后把这一类的标号赋给这些起始点,同时把包含像素
数据结构的C++描述
- 目 录 译者序 前言 第一部分 预备知识 第1章 C++程序设计 1 1.1 引言 1 1.2 函数与参数 2 1.2.1 传值参数 2 1.2.2 模板函数 3 1.2.3 引用参数 3 1.2.4 常量引用参数 4 1.2.5 返回值 4 1.2.6 递归函数 5 1.3 动态存储分配
read
- 图片预处理,包括二值化、归一、去噪、细化全操作。-Image pre-processing
bahuanghwent
- 在一个8*8的棋盘上放置8个皇后,不允许任何两个皇后在棋盘的同一行、同一列和同一对角线上,即在每一行、每一列只能有一个皇后。 要求:八皇后问题是一个古老的搜索问题,可以用递归算法来实现,在递归过程中,一一测试每一种放法,直到得出全部正确答案为止。 〔实现提示〕定义一个8*8的二维数组(为方便处理,下标范围为1:8为好); 对数组进行初始化;(全置空) 从n行开始放置第一个皇后(满足一行只有一个皇后的要求)后对1~8列进行测试;若满足条件则保存皇后所在位置,直到所有皇后放置好
sift
- 图像配准定义为:对从不同传感器、不同时相、不同角度所获得的两幅或多幅图像进行最佳匹配的处理过程.图像配准需要分析各分量图像上的几何畸变,然后采用一种几何变换将图像归化到统一的坐标系统中。在配准过程中,通常取其中的一幅图像作为配准的标准,称之为参考图像;另一幅图像作为配准图像-Image registration algorithm
FIR_RLS
- RLS滤波算法即递推最小二乘法,其又称为最小二乘法,是最小二乘算法的一类快速算法,递归最小二乘自适应滤波器是对一组已知数据的最佳滤波器,处理过程中没有对输入序列的统计特性做出假定,而是纯决定性的最小化问题。相对于LMS自适应横向滤波器具有更好的性能。(RLS filtering algorithm)