搜索资源列表
车牌识别
- 需要注意的地方： 使用VC++6.0做开发工具， 采用简单的SDI框架结构 ，一次处理一幅位图(有兴趣的可以作成MDI) 1）位图信息的数据是从左下往右下为一行，一行一行往上排的。 2）每行像素应该是4的倍数，不足的地方用空点补齐，读的时候注意跳过冗余点。 3）主要数据都存在Doc里面，BMP的主要数据存在一个由ImgData指向的BYTE型的内存空间（根据位图的大小，动态分配的）。 4）数据读进来以后，注意向内存中贴图，以保证刷新的效率。 5)程序执行流程 应用程序生成--》
基本GIS系统开发
- 一个最基本的GIS，需要包含如下的组成部分：管理空间坐标数据的矢量图形系统，管理属性数据的数据库管理系统，以及实现矢量图形系统与数据库管理系统双向连接的连接系统以及空间分析功能等。 矢量图形系统是GIS的重要部分，也是开发GIS系统时的重点所在。一个基本的矢量图形系统一般需要如下的功能： 1．相对完善的图形元素，应具备处理点，线，面，网络等图形元素的能力，这类图形系统在很大程度上能够满足普通的管理型GIS的矢量图形系统的要求。提功矢量显示图形的功能在很大程度上能够改善矢量图形界面的
GIS
- 这就是陈建春的《用Visual C++开发GIS系统》的配套代码。 用来给初学者熟悉VC++图形编程很不错，我当初学MFC的时候就是照着这本书上手的。但作为一个GIS系统来说缺少一些必要的 要素，比如大数据量的管理、空间索引、符号化、投影等等等等等。以现在的眼光看来整个系统的架构设计也不是太好。 这本书再版后改名为《矢量图形系统开发与编程》，内容变化不大-"using Visual C development of GIS systems" support
supcode_6035
- 可能很多人都曾经想过要实现一些比较大的数的阶乘，但是C++中提供的标准数据类型其存储空间太小，根本无法实现。我们可以通过其他方法来实现，本程序用一个很简单的算法实现数的阶乘，程序很短，也很简单，各处都有注释，相信大家很容易就可以看懂，下载源码后在VC6.0中打开编译后即可运行，程序经少许改动可以实现更大的数的阶乘，有兴趣的读者在看完本程序后可一动手试试，其乐无穷！！希望这个程序能给大家一点帮助。程序可能还有许多不足之出，热烈欢迎各位前来指导。解压密码 本站默认解压密码：www.supcode.c
Matlab_PCA
- 做模式分类时（例如指纹识别，人脸识别），一个需要处理的难题是维数非常大，人脸往往是百万维的，目前计算机的能力还不足以快速地计算这么高维的数据。pca是一中降维的方法，用它可以把高维数据映射到一个维数较低的空间上考虑。
Vectorgeo2spatialdatawatermarkingarithmeticbasedon
- 根据灰度图像信息量大、可视化效果好等特点,提出一种基于灰度图像水印的空间域矢量地理空间数据水印算法,即先将灰度图像水印信息按一定法则进行处理,再将处理后的水印信息嵌入到空间域矢量地理空间数据中,最后对嵌入水印信息的矢量地理空间数据进行检测。文中还对矢量地理空间数据进行了攻击实验,分析表明,提取出的灰度图像水印具有较好的鲁棒性效果和一定的实用价值。
matlab-2
- 图像压缩主要目的是为了节省存储空间，增加传输速度。图像压缩的理想标准是信息丢失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。-The main purpose of image compression to save storage space, increase the transmission speed. The idea
MapX
- MapX核心技术剖析。地理信息系统根据其内容可分为两大基本类型：一是应用型地理信息系统，以某一专业、领域或工作为主要内容，包括专题地理信息系统和区域综合地理信息系统；二是工具型地理信息系统，也就是GIS工具软件包，如ARC/INFO等，具有空间数据输入、存储、处理、分析和输出等GIS基本功能。随着地理信息系统应用领域的扩展，应用型GIS的开发工作日显重要。如何针对不同的应用目标，高效地开发出既合乎需要又具有方便美观丰富的界面形式的地理信息系统，是GIS开发者非常关心的问题。-Analysis o
mapx
- MapX鹰眼控件 地理信息系统根据其内容可分为两大基本类型：一是应用型地理信息系统，以某一专业、领域或工作为主要内容，包括专题地理信息系统和区域综合地理信息系统；二是工具型地理信息系统，也就是GIS工具软件包，如ARC/INFO等，具有空间数据输入、存储、处理、分析和输出等GIS基本功能。随着地理信息系统应用领域的扩展，应用型GIS的开发工作日显重要。如何针对不同的应用目标，高效地开发出既合乎需要又具有方便美观丰富的界面形式的地理信息系统，是GIS开发者非常关心的问题。 -Geog
spatialIndex
- 提供几篇矢量文件空间索引的资料,主要针对大数据量的shp数据-Several vector file space to provide information on the index
20100905tuxing
- 本书从图形学最基础的光栅扫描、区域填充、画直线和圆弧等算法讲起，详细介绍了线裁剪和面裁剪、凸区域裁剪和凹区域裁剪的异同，景物空间消隐算法和图像空间消隐算法的差别，具体讲述了二叉空间剖分(BSP)、八叉树等图形学中常用的数据结构。新版本增加了图形用户界面、椭圆、图像压缩和线条反走样算法等，还增加了Liang-Barsky裁剪算法和Nicholl-Lee-Nicholl裁剪算法。新版本大大扩充了可见面光线跟踪算法。在绘制这一章中新增了基于物理的光照明模型，透明效果，阴影生成，纹理映射，以及锥光束、平
6
- 用O．1ms／line线阵图像传感器和数字信号处理器(DSP)实现了立式点钞机1200张／分运行速度下的纸币号码图像的 同步识别。解决了DSP的有限存储空间与数字图像处理的大数据量之间的矛盾。-By O. 1ms/line image sensor and digital signal processor (DSP) to achieve a vertical money counter 1200/min number of notes under the speed synchroniz
3dGIS-Query-Algorithm
- 三维地理信息系统空间数据库具有数据量大、 空间实体关系复杂、 空间操作计算量大等特点。为了提高检索 效率 ,必须建立高效的空间索引机制。八叉树空间索引是对二维 GIS中四叉树索引进行扩展的一种三维空间数据结构 , 具有思路简单、 容易理解和实现、 查询速度快的优点。本文首先阐述了线性八叉树空间索引的原理 ,然后重点介绍了线性 八叉树空间索引的建立和查询算法。-In the 3D GIS database , there is a large quantity of data , sp
chengxu
- 在计算机图像处理系统中，图像的最大特点和难点就是海量数据的表示与传输，因此如何有效快速地存储和传输这些图像数据成为当今信息社会的紧迫要求[1]。在当代通信中，数字图像传输已经成为重要内容，在工作中除要求设备可靠、图像保真度高以外，实时性是重要技术指标之一，与文字信息不同的是，图像信息占据大量的存储空间所用传输信道也比较宽。-Crisis is to our life what illness is to our body. Just as fatal disease can destroy ou
PCA
- 主成分分析 （ Principal Component Analysis ， PCA ）或者主元分析。是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量
renlianjiance
- 人脸识别经过近 40 年的发展，取得了很大的发展，涌现出了大量的识别算法。这些算法的涉及面非常广泛，包括模式识别、图像处理、计算机视觉、人工智能、统计学习、神经网络、小波分析、子空间理论和流形学习等众多学科。所以很难用一个统一的标准对这些算法进行分类。根据输入数据形式的不同可分为基于静态图像的人脸识别和基于视频图像的人脸识别。因为基于静态图像的人脸识别算法同样适用于基于视频图像的人脸识别，所以只有那些使用了时间信息的识别算法才属于基于视频图像的人脸识别算法。接下来分别介绍两类人脸识别算法中的一些
culybhd907
- 本源码是对大数据量的空间数据进行空间检索的 不错的-This source code is the spatial data of large amount of data space retri of good
Bifferenceblack
- 本源码是对大数据量的空间数据进行空间检索的 不错的-This source code is the spatial data of large amount of data space retri of good
主成分分析
- 主成分分析PCA源码分析，使用matlab编程，是一种降维方法，通过计算数据矩阵的协方差矩阵，然后得到协方差矩阵的特征值特征向量，选择特征值最大(即方差最大)的k个特征所对应的特征向量组成的矩阵。这样就可以将数据矩阵转换到新的空间当中，实现数据特征的降维。