《机器视觉算法及应用》第二版及配套halcon代码。德国carsten steger教授缩写，是学习机器视觉及halcon视觉软件的首选。

为了改善差分灰狼预测算法的早熟收敛、搜索能力不均衡、容易陷入局部最优等问题,提出了一种改进的混合灰狼优化(HGWO)预测算法,可自适应改进和调整差分进化中的变异算子、交叉算子和变异策略。嵌入具有分类预测功能的支持向量机(SVM),同时引入莱维飞行全局搜索更新狼群位置,优化SVM核函数参数γ和惩罚因子C,构建了HGWO-SVM预测算法预测推焦车大车道内物体的运动轨迹。结果表明,与已有算法相比,该算法对行人、自行车、电瓶车、电动三轮车、大中小型四轮汽车的位置预测相对实际值的误差分别降低了4.21、4.14、7.91、2.03、25.53个百分点,预测时间减少了8.8~10 s。可以克服焦炉恶劣的环境影响,准确预测推焦车车道内运动对象的轨迹,为推焦车无人化运行提供主动安全的预测控制方法。

本书的三位作者在MVTec公司负责著名机器视觉算法软件包HALCON的研发工作，同时还在幕尼黑工业大学（TUM）担任客座学者从事机器视觉研究教学工作，具备深厚的理论功底和实战经验。作者在本书中将自己十几年来积累下来的“实战”经验无保留地分享给大家。

禁忌搜索算法及应用_刘光远，贺一，温万惠著_北京：科学出版社_2014.09_13625455_P164

本书全面系统地介绍了遗传算法的基本理论，重点介绍了遗传算法的经典应用和国内外的新发展 本书可供从事计算智能，自动控制、图像处理和模式识别、系统工程、优化设计、高性能计算等专业领域的研究人员阅读

算法合集之《最短路算法及其应用》

算法设计与分析-遗传算法及其应用.zip

含全书对应章节课件，程序代码，参考文献

字典学习（DL）方法近年来被广泛应用于解决各种计算机视觉领域的问题。现有的大部分字典学习算法均旨在学习一个综合型字典来表示输入信号，并使表示系数或表示误差具有一定的判别能力。这些字典学习算法大都需要对稀疏表示系数采用l0或者l1范数的约束，所以学习过程比较耗时。解析型字典学习的提出较为有效地解决了字典学习算法效率低的问题。在分类识别任务中，联合学习一个综合型字典和一个解析型字典正在成为一个热门的研究趋势，这不仅很大程度上降低了学习过程中的计算复杂度，而且在分类识别性能上也能有一定的提升。本文借鉴了最新提出的“字典对”学习思想，利用训练数据的局部结构信息，提出了局部保持的综合型-解析型“字典对”学习算法。在三个国际公开测试数据库（人脸识别库Extended YaleB、AR和图像分类库Caltech101）上的实验结果表明，局部保持的综合型-解析型“字典对”学习算法在准确率和效率方面都具有很好的性能。