加權l2范數實現雙基地MIMO雷達稀疏目標定位這是一份非常不錯的資料，歡迎下載，希望對您有幫助！
上傳時間： 2021-10-29
上傳用戶：bluedrops
OpencV是用來實現計算機視覺相關技術的開放源碼工作庫，是計算機視覺、圖像處理、模式識別、計算機圖形學、信號處理、視頻監控、科學可視化等相關從業人員的好工具。本書介紹了大約200多個典型的技術問題，覆蓋了基于OpenCV基礎編程的主要內容，利用大量生動有趣的編程案例和編程技巧，從解決問題和答疑解惑入手，以因特網上最新資料為藍本，深入淺出地說明了OpenCV中最典型和用途最廣的程序設計方法。全書結構清晰、合理，范例實用、豐富，理論結合實踐，即使讀者只是略懂計算機視覺原理，也能人手對相關理論方法直接進行編碼實現。 "基于OPENCV的計算機視覺技術實現"的圖書目錄…… 前言 第一章 使用OpenCV實現計算機視覺技術 1.1 計算機視覺技術 1.2 什么是OpenCV 1.3 基于OpenCV庫的編程方法 本章小結 第二章 OpenCV的編程環境 2.1 OpenCV環境介紹 2.2 OpenCV的體系結構 2.3 OpenCV實例演示 本章小結 第三章 OpenCV編程風格 3.1 命名約定 3.2 結構 3.3 函數接口設計 3.4 函數實現 3.5 代碼布局 3.6 移植性 3.7 文件操作 3.8 文檔編寫 本章小結 第四章 數據結構 4.1 基本數據結構 4.2 數組有關的操作 4.3 動態結構 本章小結 第五章 數據交互 5.1 繪圖函數 5.2 文件存儲 5.3 運行時類型信息和通用函數 5.4 錯誤處理函數 5.5 系統函數 本章小結 第六章 圖像處理 6.1 邊緣檢測 6.2 直方圖 6.3 Hough變換 6.4 幾何變換 6.5 形態學 本章小結 第七章 結構與識別 7.1 輪廓處理函數 7.2 計算幾何 7.3 平面劃分 7.4 目標檢測函數 7.5 生成與控制貝塞爾曲線 7.6 用OpenCV進行人臉檢測 本章小結 第八章 圖形界面（HighGUI） 8.1 讀取和保存圖像 8.2 OpenCV中的實用系統函數 本章小結 第九章 視頻處理（CvCAM） 9.1 使用HighGUI對視頻進行讀寫處理 9.2 CvCam對攝像頭和視頻流的使用 本章小結 第十章 OpenCV附加庫第一部分 10.1 附加庫介紹 10.2 形態學（morhing functions） 本章小結 第十一章 OpenCV附加庫第二部分——隱馬爾可夫模型 11.1 隱馬爾可夫模型概述 11.2 隱馬爾可夫模型中的基本結構與函數介紹 11.3 隱馬爾可夫模型中的函數介紹 11.4 人臉識別工具 本章小結 第十二章 核心庫綜合例程 12.1 檢測黑白格標定板內指定矩形區域內的角點 12.2 解線性標定方程組程序 本章小結 第十三章 運動與跟蹤 13.1 圖像統計的累積函數 13.2 運動模板函數 13.3 對象跟蹤 13.4 光流 13.5 預估器 13.6 Kalman濾波器跟蹤示例 13.7 用Snake方法檢測可變形體的輪廓 13.8 運動目標跟蹤與檢測 本章小結 第十四章 立體視覺第一部分——照相機定標 14.1 坐標系介紹 14.2 透視投影矩陣的獲得 14.3 攝像機參數的獲取 14.4 徑向畸變的校正 14.5 使用OpenCV及CVUT進行攝像機定標 14.6 OpenCV中的定標函數 14.7 CVUT介紹 本章小結 第十五章 立體視覺第二部分——三維重建 15.1 極線幾何 15.2 特征點匹配 15.3 三維重建 15.4 OpenCV中相關函數介紹 本章小結 第十六章 立體視覺第三部分——三維重建算法 16.1 圖像校正 16.2 已校正圖像的快速三維重建 16.3 Birchfield算法 16.4 OpenCV中相關函數介紹 本章小結 第十七章 立體視覺第四部分——立體視覺實例 17.1 圖像校正實例代碼 17.2 基于窗口的稀疏點匹配及三維重建之一 17.3 基于窗口的稀疏點匹配及三維重建之二 17.4 Birchfield算法的OpenCV實現 本章小結 第十八章 常見問題解疑 18.1 安裝與編譯出錯解決方法 18.2 OpenCV庫基本技術問題 18.3 OpenCV在Linux下的相關問題 18.4 OpenCV庫中的陷阱和bug
上傳時間： 2013-07-18
上傳用戶：huyiming139
LDPC(Low Density Parity Check)碼是一類可以用非常稀疏的校驗矩陣或二分圖定義的線性分組糾錯碼，最初由Gallager發現，故亦稱Gallager碼.它和著名Turbo碼相似，具有逼近香農限的性能，幾乎適用于所有信道，因此成為近年來信道編碼界研究的熱點。 LDPC碼的奇偶校驗矩陣呈現稀疏性，其譯碼復雜度與碼長成線性關系，克服了分組碼在長碼長時所面臨的巨大譯碼計算復雜度問題，使長編碼分組的應用成為可能。而且由于校驗矩陣的稀疏特性，在長的編碼分組時，相距很遠的信息比特參與統一校驗，這使得連續的突發差錯對譯碼的影響不大，編碼本身就具有抗突發差錯的特性。 本文首先介紹了LDPC碼的基本概念和基本原理，其次，具體介紹了LDPC碼的構造和各種編碼算法及其生成矩陣的產生方法，特別是準循環LDPC碼的構造以及RU算法、貪婪算法，并在此基礎上采用貪婪算法對RU算法進行了改進。 最后，選用Altera公司的Stratix系列FPGA器件EPls25F67217，實現了碼長為504的基于RU算法的LDPC編碼器。在設計過程中，為節省資源、提高速度，在向量存儲時采用稀疏矩陣技術，在向量相加時采用通過奇校驗直接判定結果的方法，在向量乘法中，采用了前向迭代方法，避開了復雜的矩陣求逆運算。結果表明，該編碼器只占用約10％的邏輯單元，約5％的存儲單元，時鐘頻率達到120MHz，數據吞吐率達到33Mb/s，功能上也滿足編碼器的要求。
上傳時間： 2013-06-09
上傳用戶：66wji
壓縮感知是針對稀疏或可壓縮信號，在采樣的同時即可對信號數據進行適當壓縮的新理論，采用該理論，可以僅需少量信號的觀測值來實現精確重構信號。文中概述了CS理論框架及關鍵技術問題，介紹了信號稀疏表示、觀測矩陣和重構算法。最后仿真實現了基于壓縮感知的信號重構，并對正交匹配追蹤（OMP）重構算法性能作了分析。
上傳時間： 2013-10-20
上傳用戶：shen1230
文中討論了圖像的高斯加性噪聲模型和圖像的稀疏性表示，提出了利用映射函數來描述圖像的去噪過程，通過求解映射函數和利用映射函數對加噪圖像的小波變換子帶系數進行變換，達到了降低圖像噪聲并使加噪圖像逼近原始圖像的目的。經過實驗比較，驗證了本文算法的可行性和魯棒性。
上傳時間： 2013-10-21
上傳用戶：許小華
稀疏表示分類算法（Sparse Representation-based Classification，SRC）在人臉數據庫上有很高的識別性能。然而，對于姿態變化，SRC的識別效果并不理想。針對SRC算法不能解決測試樣本與訓練樣本存在偏移誤差的問題，本文提出了基于SRC的改進算法。該算法將每一類的訓練樣本單獨作為訓練字典，利用迭代校正和基于金字塔分層機構的運動偏移估計方法得到最終的偏移量，最后對校正后的測試樣本使用SRC算法實現分類。實驗結果表明該方法對于有偏移誤差的人臉圖像具有較好的魯棒性及識別率。
上傳時間： 2013-11-15
上傳用戶：haiya2000
gmres算法的一個特殊形式，用來求解大型稀疏矩陣方程
上傳時間： 2014-01-03
上傳用戶：sevenbestfei
數據結構算法，稀疏矩陣的存儲，兩矩陣相乘，兩矩陣相加的實現
上傳時間： 2015-03-19
上傳用戶：gdgzhym
基于牛頓迭代法的二次規劃程序，采用VC平臺，適合解決大容量稀疏矩陣的優化問題
上傳時間： 2014-01-08
上傳用戶：270189020
數據庫課程設計，用完全鏈表結構實現稀疏矩陣的創建，刪除，以及加、減、乘、轉置運算
標簽： 數據庫
上傳時間： 2015-04-09
上傳用戶：Divine
