在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配.新算法中各个R-块编码的计算十分简单 匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法.新算法对像素灰度的变化与噪声具有鲁棒性,其时间复杂度是O(M2log(N)).实验结果表明,新算法比现有的灰度相关算法的计算时间快了两个数量级.
上传时间： 2013-12-21
上传用户：a673761058
该程序主要完成以下工作： * 1、生成两个发送线程s1，s2和一个接收线程r； * 2、接收线程r每接收到M个来自于s1的数据和N个s2的数据后将它们分别求平均值后输出； * 3、这样的接收过程总共进行3次。
上传时间： 2016-02-18
上传用户：xg262122
定点十进制数转为二进制浮点操作数 入口:定点十进制整数在 R1,R2,R3中,其中R1为高字节 [如1: R1=00H,R2=00H,R3=01H] 定点十进制小数在 R4,R5,R6,R7中,其中R4为高位字 [如0.1: R4=10H,R5=00H,R6=00H,R7=00H] 数符为7BH位,0表正,1表负 出口: R4,R5,R6,R7.其中R4为阶码,R5,R6,R7为尾数
上传时间： 2014-12-22
上传用户：GavinNeko
Struts 是一个技术框架，由Craig R. McClanahan编写，并且在2000 年的时候捐献给了ASF，目前，有很多组织和 个人参与Struts 框架的开发，使得Struts保持高速成长，同时，利用Struts开发的应用越来越多，使其成为web 应用 MVC 模式中VC 部分事实上的标准。
标签： Struts
上传时间： 2016-02-24
上传用户：cylnpy
给出语言变量E的赋值表、EC的赋值表、U的赋值表以及Fuzzy状态控制表，求Fuzzy控制器查询表R
上传时间： 2013-12-22
上传用户：gxmm
假设自上而下按层次，自左至右输入每个结点的一个三元组(N, P, L/R)。其中N为本结点的元素，P为其父结点，L指示N为P 的左孩子，R指示N为P的右孩子。试写一个建立二元树在内存的双链表示算法，并实现先根、中根、后根以及层序遍历算法。
标签： 自上而下
上传时间： 2013-12-17
上传用户：xc216
shc是一个加密shell脚本的工具.它的作用是把shell脚本转换为一个可执行的二进制文件. 用shell脚本对系统进行自动化维护,简单,便捷而且可移植性好. 但shell脚本是可读写的,很有可能会泄露敏感信息,如用户名,密码,路径,IP等. 同样,在shell脚本运行时会也泄露敏感信息. shc是一个加密shell脚本的工具.它的作用是把shell脚本转换为一个可执行的二进制文件. 这就很好的解决了上述问题. tar zxvf shc-3.8.tgz cd shc-3.8 make test make make test make strings make install 这一步需要root权限 使用方法: shc -r -f script-name 注意:要有-r选项, -f 后跟要加密的脚本名. 运行后会生成两个文件,script-name.x 和 script-name.x.c script-name.x是加密后的可执行的二进制文件. ./script-name 即可运行. script-name.x.c是生成script-name.x的原文件(c语言)
上传时间： 2013-12-21
上传用户：wfeel
随机产生个整数n=100，200，300，1000，2000个整数并存于数组r[1..n]中。 对主要查找算法（顺序查找、插入排序、冒泡排序、堆排序、快速排序）进行实验比较，计算出平均比较次数、平均移动次数及执行时间。由程序自动计算.
上传时间： 2014-12-04
上传用户：气温达上千万的
Double被关在了一个机关密室里，他必须在200步内把箱子放回原处才能逃出升天。 他唯一的救命稻草就是他的手机，里面只有你的号码。开动你的脑筋救他一命。 蓝色为Double，黄色为箱子，白色为墙壁，红色为目的地，当箱子放到目的地时， 箱子会变绿 游戏操作： 上：上箭头 下：下箭头 左：左箭头 右：右箭头 重来：r 退出：q
上传时间： 2016-03-13
上传用户：金宜
本程序利用奇异值分解对3通道彩色图像进行压缩分解，具体步骤如下： 压缩过程： 1. 选取子图像大小K值，把图像分解成M×M个子图像，IMG(s),s=1,2,…, M2，其中M=N/K，原始图像IMG大小为N×N。 2. 计算这M2个子图像的平均值average，对每幅子图像减去均值图像得到新图像。 3. 计算相关矩阵R，其元素定义为 。 4. 计算R的特征值与特征向量，计算每幅子图像与最大特征向量的内积，便得到编码，即压缩后的图像。
上传时间： 2013-12-23
上传用户：chenxichenyue
