搜索资源列表
GZ
- 用于基于视频运动目标的跟踪，该算法融合了颜色直方图和梯度方向直方图的特征,能够更加精确地表征目标,较大地提高了视频目标跟踪的准确度和鲁棒性。-For video motion-based target tracking, the algorithm combines the color histogram and gradient direction histogram feature, to more accurately characterize the target, greatly im
eadgeFinder
- 简单的找出梯度信息，并把梯度方向在图案上画出来-failed to translate
Powell
- 鲍威尔优化算法：多维无约束优化算法是在无约束优化算法之一，首先选取一组共轭方向，从某个初始点出发，求目标函数在这些方向上的极小值点，然后以该点为新的出发点，重复这一过程直到获得满意解，其优点是不必计算目标函数的梯度就可以在有限步内找到极值点。 鲍威尔法是以共轭方向为基础的收敛较快的直接法之一，是一种十分有效的算法。-Powell optimization algorithm
eight-model-Sobel-function
- 该函数对经典采用八方向模板Sobel边缘检测算子来检测梯度值-An improved eight model Sobel function was proposed,
buifou_v40
- 利用自然梯度算法，相控阵天线的方向图（切比雪夫加权），多姿态，多角度，有不同光照。- Use of natural gradient algorithm, Phased array antenna pattern (Chebyshev weights), Much posture, multi-angle, have different light.
5
- 5 基于多方向梯度和形态学算法的红外弱小目标检测(More than 5 based on direction gradient algorithm of infrared weak small targets detection and morphology)
优化算法
- 解决了最小无约束优化问题 步长由ARmijo非精确一维搜索生成，迭代方向分别由最速下降法，阻尼牛顿法，共轭梯度法，拟牛顿法(BFGS)产生(This code solves the minimum unconstrained optimization problem, and the step size is generated by ARmijo inexact one-dimensional search. The iterative directions are generated b
新建 Microsoft Word 文档
- opencv实现傅里叶变换,傅立叶变换是把图像从空间域转化到频率域的变换。空间域：一般的情况下，空间域的图像是f（x，y）=灰度级（0-255），形象一点就是一个二维矩阵，每个坐标对应一个颜色值。频率域：频率：对于图像来说可以指图像颜色值的梯度，即灰度级的变化速度，幅度：可以简单的理解为是频率的权，即该频率所占的比例：能量=幅度（可能不太准确），变换结果为F（u，v），F代表幅度值，u代表x方向的频率，v代表y方向的频率(Fu Liye transform is the transformati
2017.12.01 FHN模型程序
- 利用差分算法计算分数阶FHN方程和狄利克雷(Dirichlet)零边界条件： ， 其中，数值仿真过程中需要对参数、和、进行选取。区域离散在空间方向取为个点，时间方向的步长为， 截止时间为T=1000。 2.程序 FHN_CG 是采用共轭梯度法求解线性代数方程组 Au=b。 程序 FHN_MG 是采用多重网格算法求解线性代数方程组Au=b(Using the difference algorithm to calculate the fractional FHN equation,
HOG可视化
- HOG特征通过计算和统计图像局部区域的梯度方向直方图来构成特征，程序可以对图片中的hog特征进行可视化梯度大小和方向。(The HOG feature is constructed by calculating and counting the gradient direction histogram of the local area of the image. The program can visualize the gradient size and direction of the h
SOA程序
- 针对面临的问题寻找优化解是人类的思维习惯和行为方式。借鉴人类丰富的社会经验，模拟人类搜索活动的智能行为，提出了一种新的基于种群的启发式随机搜索算法，即人群搜索算法 SOA（seeker optimization Algorithm）。SOA 研究人类在随机搜索时所采用的交流、协作、记忆、推理、学习知识与经验等的智能行为，结合搜索和进化思想，以搜寻队伍为种群，以搜寻者位置为优化问题的候选解，通过模拟人类搜索的“经验梯度”和不确定性推理，分别确定搜索方向和步长，完成位置更新，实现对所求问题解的优化(