搜索资源列表
MineCrack
- 在网上看到有人编写过自动扫雷的程序，但是很不理想，高级几乎扫不出来，就索性自己编写了一个。效果还算满意，基本上高级可以在5秒内扫出来（如果运气好的话），我机器上的记录现在是三秒。 任何自动扫雷程序肯定是不能完全扫出来的，因为许多布局情况单凭算法是无法解决的，那需要凭你的运气来完成。但是算法的性能优劣在于它是否可以解决所有可以判断的情况，这也是不同算法的关键所在。我记得很早以前看过一位高人编的类似的程序采用了模式识别的算法，将多种局部布局用文本文件的方式记录下来，在程序运行的过程中去匹配
paper
- 一篇学术论文，基于局部生长融合的指纹匹配算法研究-An academic paper, based on the integration of local growth algorithm for fingerprint matching
Alignment
- 一个生物系的多序列匹配，包括三种匹配算法，全匹配，两端匹配，局部匹配-Department of Biology, a multi-sequence matching, includes three matching algorithm, full match, both ends of the match, partial match
pattern-matching
- 模式匹配，kmp算法,kmp算法是一种改进的字符串匹配算法，由D.E.Knuth与V.R.Pratt和J.H.Morris同时发现，因此人们称它为克努特——莫里斯——普拉特操作（简称KMP算法）。KMP算法的关键是根据给定的模式串W1,m,定义一个next函数。next函数包含了模式串本身局部匹配的信息。-Pattern matching, kmp algorithm, kmp algorithm is an improved string matching algorithm, by DEKn
AdaptiVe-Aggregation
- 出了一种恢复高质量稠密视差图的立体视觉合作算法．该算法采用基于形态学相似性的自适应加权方 法，迭代地进行局部邻域的自适应聚合和抑制放大，实现高效率和高质量稠密视差图计算．将该算法推广到三目摄像 机立体匹配系统中，通过重建摄像机坐标系实现图像校正，并根据连续性假设和唯一性假设，建立视差空间中的支持 关系和三目摄像机之间的抑制关系．实验结果表明，三目立体合作算法能够得到精确的场景视差映射，并可以实现多 基线方向的遮挡检测．该算法特别适用于由多个廉价摄像机组成的立体视觉系统，在几乎不增
StereoRegion
- 对于立体匹配局部算法而言，匹配代价计算 和 支持窗口选择是很重要的两个问题：匹配代价计算通过前面的文章已经介绍了关于Adaptive Support-Weight和Rank Transform两种方法，对于支持窗口来说的，通常我们选取一个矩形窗-For local stereo matching algorithm, the matching cost calculation and support window selection is a very important two issues:
bayer抖动算法
- 抖动算法分为随机抖动算法和有序抖动算法。随机抖动算法随机产生一组模板方阵数列，随机数的产生期间在图像的最小灰度和最大灰度之间。有序抖动算法是人为地设置一些模板值进行匹配操作，主要有分散性抖动算法(Disperse Dither)和聚集型离散算法(cluster Dith神两种。分散型以Bayer有序抖动算法为代表。后来Ulichenay在以上两种算法的基础上，提出了局部聚集整体分散的抖动算法。(Dithering algorithm is divided into random ditherin