<li id="iu8g4"></li> slickeditv10.0linuxcrackz.w.t.zip SlickEdit v10.0 for linux 注冊機 在國內(nèi)網(wǎng)站上找了N天都沒找到，在國外一家網(wǎng)站找到。雖然不是源代碼，但是SlickEdit是Linux下最好用的30多種編程IDE。這個是注冊機安裝文件在百度裡找吧
標(biāo)簽： 10.0 linuxcrackz slickeditv SlickEdit
上傳時間： 2013-12-10
上傳用戶：大融融rr
車牌定位－－－VC++源代碼程序 1.24位真彩色->256色灰度圖。 2.預(yù)處理:中值濾波。 3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。 初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。 該閾值對不同牌照有一定的適應(yīng)性,能夠保證背景基本被置為0,以突出牌照區(qū)域。 4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。 5.用自定義模板進行中值濾波 區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。 6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。 7.區(qū)域裁剪,截取車牌圖像。
上傳時間： 2013-11-26
上傳用戶：懶龍1988
1.24位真彩色->256色灰度圖。 2.預(yù)處理:中值濾波。 3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。 初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。 該閾值對不同牌照有一定的適應(yīng)性,能夠保證背景基本被置為0,以突出牌照區(qū)域。 4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。 5.用自定義模板進行中值濾波 區(qū)域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。 6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。 7.區(qū)域裁剪,截取車牌圖像。
上傳時間： 2014-01-08
上傳用戶：songrui
以兩片由TI 公司生產(chǎn)的數(shù)字信號處理器TMS320C6203B 為核心,用可編程邏輯陣列CPLD 進行邏輯控 制,采用現(xiàn)場可編程門陣列FPGA 作圖像的預(yù)處理和進行雙數(shù)字信號處理器(DSP) 之間的通訊,實現(xiàn)了實時相關(guān)的圖像 處理。此系統(tǒng)實時性好,可直接利用數(shù)字圖像的灰度特征,在低信噪比的情況下目標(biāo)跟蹤點漂移小,目標(biāo)跟蹤能夠較好 地適應(yīng)不同灰度分布的背景。
標(biāo)簽： C6203 6203B 320C 6203
上傳時間： 2016-05-11
上傳用戶：kytqcool
使用C#程式語言開發(fā)，並執(zhí)行於.NET Framework下；是研習(xí)「蟻拓尋優(yōu)法」不可或缺的軟體工具。系統(tǒng)使用ACO (Ant Colony Optimization)演算公式模擬螞蟻的覓食行徑抉擇。使用者可以設(shè)定費洛蒙和食物氣味強度等相關(guān)參數(shù)以及動態(tài)設(shè)定障礙物的位置和形狀，研習(xí)螞蟻覓食的最短路徑形成過程。研習(xí)各種參數(shù)設(shè)定對螞蟻覓食行為的影響，了解費落蒙機制對蟻拓尋優(yōu)化法的影響。本系統(tǒng)可支援柔性計算教學(xué)，研習(xí)蟻拓優(yōu)化法中人工螞蟻的隨機搜尋模式和啟發(fā)式法則設(shè)計原理。
標(biāo)簽： 程式
上傳時間： 2013-12-24
上傳用戶：anng
基于VB的遺傳算法軟件實現(xiàn) 在程序中,FitnessValue (i) 為適應(yīng)度值數(shù)組、avFit2nessValue (100) 為歸一化適應(yīng)度值數(shù)組、Population2 Chrom(i ,j) 為遺傳個體的等位基因值、Popsize 為種群中的個體數(shù),CHROMLENGTH為一母體對的等位基因 總數(shù)。
標(biāo)簽： avFit2nessValue FitnessValue Population2 Chrom
上傳時間： 2014-01-09
上傳用戶：1966640071
PWM經(jīng)過RC濾波產(chǎn)生電壓,經(jīng)過XTR115產(chǎn)生4-20mA電流輸出,要點是XTR115的電壓輸入問題,自身為兩線制,+5V輸出提供不了較大電流,需要用DCDC,RC濾波采用鉭電容和4.7k-4.9k的低溫漂電阻能得到較高線形度,PWM輸出為AVR單片機16位,模式15,不分頻
上傳時間： 2013-12-20
上傳用戶：凌云御清風(fēng)
Q. Zhou, J.K. Aggarwal. Tracking and Classifying Moving Objects from Video. 這篇文章另辟蹊徑，利用“緊湊度值的變化、運動方向的變化”，區(qū)分人、人群、機動車。達到良好的分類效果。是運動目標(biāo)分類領(lǐng)域的好文章。
標(biāo)簽： Q. J.K. Classifying Aggarwal
上傳時間： 2013-12-17
上傳用戶：alan-ee
L3_1.m: 純量量化器的設(shè)計(程式) L3_2.m: 量化造成的假輪廓(程式) L3_3.m: 向量量化器之碼簿的產(chǎn)生(程式) L3_4.m: 利用LBG訓(xùn)練三個不同大小與維度的碼簿並分別進行VQ(程式) gau.m: ML量化器設(shè)計中分母的計算式(函式) gau1.m: ML量化器設(shè)計中分子的計算式(函式) LBG.m: LBG訓(xùn)練法(函式) quantize.m:高斯機率密度函數(shù)的非均勻量化(函式) VQ.m: 向量量化(函式) L3_2.bmp: 影像檔 lena.mat: Matlab的矩陣變數(shù)檔
上傳時間： 2013-12-26
上傳用戶：jiahao131
使用多層感知機來做xor分類，可調(diào)整neuron數(shù)和目標(biāo)error大小。
上傳時間： 2017-06-09
上傳用戶：qweqweqwe
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
