The structural similarity image quality paradigm is based on the assumption that the human visual system is highly adapted for extracting structural information from the scene, and therefore a measure of structural similarity can provide a good approximation to perceived image quality. This paper proposes a multi-scale structural similarity method, which supplies more flexibility than previous single-scale methods in incorporating the variations of viewing conditions. We develop an image synthesis method to calibrate the parameters that define the relative importance of different scales. Experimental comparisons demonstrate the effectiveness of the proposed method.

粒子群算法及其改进，在原有粒子群算法基础上进行改进，增加免疫算法，使其尽快跳出早熟，收敛更快，结果更优！(Particle swarm optimization (PSO) and its improvement are improved on the basis of the existing particle swarm algorithm, and the immune algorithm is added to make it jump out of premature, faster convergence and better results)

yolos算法，最新神经网络算法，用来检测，使用theseflow

基于超混沌图像加密算法，代码，源码分析，matlab

相关性分析，信息熵分析，直方图分析

基于Arnold和lorenz超混沌图像加密算法代码

基于细胞神经网络CNN的超混沌图像加密算法代码

博文资料：http://blog.csdn.net/lmnxjf/article/details/8917679 /////////////////////////////////////////////////////////// // A*算法 最优寻路算法 // 算法是一种静态路网中求解最短路最有效的算法 // 1）公式表示为： f(n)=g(n)+h(n), // 2） 加入最优路径修正 // 如果某个相邻的方格已经在 open list 中，则检查这条路径是否更优， // 也就是说经由当前方格 ( 我们选中的方格 ) 到达那个方格是否具有更小的 G 值。 // 如果没有，不做任何操作。 // 作者：一路向南 // 2013, 5,10 /////////////////////////////////////////////////////////

浸出算法代码matlab 浸出-PY 低能量自适应聚类层次结构 低能量自适应聚类层次结构（“LEACH”）是一种基于 TDMA 的 MAC 协议，它与聚类和无线传感器网络（WSN）中的简单路由协议相结合。 LEACH 的目标是降低创建和维护集群所需的能耗，以提高无线传感器网络的使用寿命。 LEACH 是一种分层协议，其中大多数节点向簇头传输，簇头将数据聚合和压缩并转发到基站（宿）。 每个节点在每一轮都使用随机算法来确定它是否会在这一轮中成为簇头。 LEACH 假设每个节点都有一个足够强大的无线电，可以直接到达基站或最近的簇头，但是一直以全功率使用这个无线电会浪费能量。 已经成为簇头的节点在 P 轮中不能再次成为簇头，其中 P 是所需的簇头百分比。 此后，每个节点有 1/P 的概率再次成为簇头。 在每一轮结束时，不是簇头的每个节点选择最近的簇头并加入该簇。 然后簇头为其簇中的每个节点创建一个调度来传输它的数据。 根据簇头创建的调度，所有不是簇头的节点仅以 TDMA 方式与簇头通信。 它们使用到达簇头所需的最小能量来这样做，并且只需要在它们的时隙内保持无线电打开。 LEACH 还使用 CD

遗传算法的C++代码，有好三个实例！基本都可以正常运行，如有问题欢迎指出