为对传感器进行非线性校正以进一步提高其测量精度，提出了基于神经网络的校正办法。理论分析了传感器非线性误差的复杂性，并以位移传感器标定为例，详细介绍了传感器非线性校正的过程和方法。采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正，设计并实现了RBF网络的校正模型。实验结果证明，RBF网络的校正方法比BP网络校正方法精度提高了约44%，其补偿效果更优，且其在传感器种类变化或环境影响较大的情况下比最小二乘拟合更具非线性补偿优势。

用于校正自然拍摄图像中的透视。

通过控制点，实行对图像畸形校正，可以对不同视角抓取的图像进行正确校正

计算机视觉测量中CCD摄像机参数的校正.pdf

单目(普通+广角/鱼眼)摄像头标定程序,传入摄像头地址即可实时标定,按键盘空格键拍取指定数量的图片,并实时畸变校正

大会 这是论文“ 的论文“使用具有权重分布的自适应伽玛校正有效对比度增强”的MATLAB实现代码。 此方法可增强图像的对比度 输入： -input_image: can be either gray image or colorful image -parameter : (optional) weighting parameter for the histogram can be [0,1]. Default is 0.5 输出： -enhanced_image: the result image after applying AGCWD contrast enhancement

由在APFC控制过程中，UC3854引入了前馈和乘法器、除法器，并且工作于平均电流的电流连续（CCM）工作方式，性能较优，使用效果较好，在实用中得到了广泛应用。

大机组汽温控制对象具有大延时、大惯性的特性,采用常规和简单的控制方式难以取得满意效果。文章介绍了一种应用新型SMITH预估控制算法调节火电厂主汽温控制系统的设计方案,阐述了新型SMITH预估控制算法的原理、系统控制策略及结构,并在软件环境下对该系统与采用传统SMITH预估控制算法的控制系统进行了仿真比较。仿真结果表明,基于新型SMITH预估控制算法的主汽温控制系统能够克服大滞后、大惯性的系统特性,具有较强的抗内、外干扰和对象变化适应能力。

飞机 使用自适应迭代加权加权最小二乘法进行基线校正 它是使用cholesky分解和反向Cuthill-Mckee方法的的javascript实现，用于减少稀疏线性系统的带宽，从而获得快速的基线拟合器。 安装 $ npm install ml-airpls 例子 const airpls = require ( 'ml-airpls' ) ; let y = [ 1 , 1 , 1 , 1 , 3 , 6 , 3 , 1 , 1 , 1 ] ; let x = [ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ] ; var { baseline , corrected , iteration , error } = airpls ( x , y ) ; 执照

这是研一阶段《计算机视觉》课程设计时所做的图像清晰化实验，代码中通过自行浏览本地文件夹选取所要处理的图片，然后通过同态滤波处理得到高低频参数，可修改这两个参数来得到不同的实验效果。