作为低秩矩阵逼近在图像处理中具有广泛的应用，其目的是根据退化图像的自相似性得到低秩矩阵来对图像进行去噪，如在计算机视觉和机器学习.低秩矩阵近似方法一般可分为两类，低秩矩阵分解(LowＲank Matrix Factorization，LＲMF)方法和核范数最小化(Nuclear Norm Minimization，NNM)方法。

传统的GN算法只适用于无向无权图的社区发现，通过对边介数进行调整得到无向有权图的GN算法实现

gwr4.09版本，修复了gwr4.0的一些bug。如果软件安装以后无法运行，请先单独安装压缩包内包含的运行库。

基于加权平均融合规则的图像融合MATLAB算法 含融合源图像

局部加权的线性回归，使用matlab编写，有结果图 程序流程为 标准化 样本矩阵与输出向量 计算权重对角矩阵 梯度下降 反标准化 显示

针对无线传感网络中的 DV－hop 定位算法误差较大、定位精度不高的问题， 提出了基于跳距加权的改进 DV －hop 定位算法。对未知节点周围的信标节点进行加权， 得到精度更高的跳距以减小定位误差。权重依据未知节点距信标节点的跳距和信标节点可信度来确定， 离未知节点越远的信标节点权重越小。信标节点可信度根据其自身的误差来衡量， 信标节点误差越大则其可信度越低， 其权重也越小。具体实现过程为， 选取距未知节点 n 跳以内的信标节点作为参考节点， 对参考节点的跳距进行加权得到未知节点的平均跳距， 并根据未知节点到参考节点的跳数， 计算得到未知节点距参考节点的距离。利用最小二乘法求得未知节点坐标。仿真实验结果表明， 改进的 DV－hop 定位算法的精度比经典 DV－hop 提高了 28%左右。

利用OpenCV-2.4.13和vs2017实现SURF/SIFT + RANSAC + 线性加权融合来实现图像的左右拼接，上下也可以拼接，改一下adjustMat就可以(代码中是x偏移量，你换成y的偏移量，把值换成rows就好，同时在计算透视变换的时候Size参数改为(image02.cols, image02.rows + image01.rows))，代码均有注释，同时将每一步结构都显示出来了，附有示例图片，直接就可以运行。

完整的实时深度图平滑代码（像素滤波+加权移动平均） ）

c# 反距离加权插值+临近点差值+双线性差值，用窗体程序实现，可以看到效果图片

自己整理的matlab代码及对应论文：各种低秩约束图像矩阵填充方法SVT、SVP、WSVT、TSVT、ADMM算法实现，包括核范数约束、加权核范数（2018年论文上的)、截断核范数(2018论文里的)等，基于低秩性科研研究不容错过 很全