本文提出一种基于核方法的下视等分辨率景象匹配算法. 通过模拟电荷吸引模型, 提出了计算不等维高维数据相似度的SNN 核函数. 将图像中的特征点映射到径向基向量(Radial basis vector, RBV) 空间, 利用SNN 核函数计算两个特征点集的相似度及过渡矩阵. 利用置换测试模块来增强SNN 核的稳定性, 以确保输出解的可靠性. 实验证明, 基于SNN 核的景象匹配算法对图象畸变、噪声干扰与信号缺失具有很强的鲁棒性, 并可保证高精度与高实时性. -This paper prese

输入两组点，求其近似转换矩阵以及两组点的对应顺序，run为测试代码-Enter the two points, find the approximate point of transition matrix and the corresponding sequence of the two groups, run the test code

设置kalman滤波器中噪声大小以及状态状态转移矩阵，测量向量，就可以进行目标的跟踪。 -Kalman filter set size and noise in the state transition matrix, measurement vector, target tracking can be carried out.

用来求灰度图像的markov转移概率矩阵，输入为图片，输出为转移概率矩阵-To seek the grayscale image the markov transition probability matrix, the input images, the output for the transition probability matrix