《卡尔曼滤波原理及应用仿真》书中的程序

通过matlab软件，实现基于四元数插值算法的彩色图像滤波

小型化双同轴多谐振腔体滤波器，采用同轴的结构，尽量减小腔体的体积，优化腔体的Q值，保证设计指标参数，通过软件仿真优化相应的技术指标

为解决局部立体匹配算法存在深度图边界区域不连续问题，本文提出了一种基于边缘约束的自适应引导滤波立体匹配算法。将梯度值和颜色信息结合进行匹配代价计算；然后，基于图像边缘局部特征，对图像的像素点基于颜色阈值和边界条件构建自适应十字交叉区域，并对自适应窗口进行引导滤波代价聚合；最后，采用胜者为王策略(winner takes all，WTA)进行视差计算，对视差图进行视差精细化处理。实验结果表明：本文算法生成的深度图能够更好地保留细节特征，边界纹理区域的误匹配现象明显改善，可有效降低误匹配率，本文算法在Middlebury数据集误匹配率仅为5.22%。

STM单片机MPU6500读取与卡尔曼滤波，可用于机甲大师

数字PID控制算法-滤波算法 该文档主要介绍了滤波算法。

采用matalb平台m语言进行编程，卡尔曼滤波器pid控制算法，文件中有文字叙述部分，打开可直接运行。

提出了一种基于Hessian特征的视网膜血管图像的增强滤波算法，分析了Hessian特征值对各类形状的抑制和加强作用，将Hessian矩阵的特征值与特征向量应用于视网膜血管特征的响应函数及形态学和非线性扩散处理的各个环节，并选择合理的尺度空间范围和尺度空间增量，调节因子而平滑非线状区域和锐化增强血管区域，本文算法在同等准确率下具有较高的稳定鲁棒性。

脑脊液 基于布料模拟的机载LiDAR滤波方法。 这是文章的代码： W. Zhang，J。Qi *，P。Wan，H。Wang，D。Xie，X。Wang和G. Yan，“一种基于布料模拟的易于使用的机载LiDAR数据过滤方法”，遥感。，vol。 8号6，第501，2016.（ ） 新功能已实现： 现在，我们用swig包装了CSF的Python接口。 现在使用起来更简单。 这项新功能可以使CSF更易于嵌入到大型项目中。 例如，它可以与Laspy（ ）一起使用。 您要做的只是将点云读取到python 2D列表中，并将其传递给CSF。 以下示例显示了如何将其与laspy一起使用。 # coding: utf-8 import laspy import CSF import numpy as np inFile = laspy . file . File ( r"in.las" , mod

适合于刚学习FBP重建算法，要加深对它的理解的同学。实验结果已经测试过。如购买后，有疑问，请联系iamxiaoyoung@yeah.net.