基于网格排序的多目标粒子群优化算法

用matlab语言实现人脸识别的模板匹配算法，可直接运行

针对车载侦察系统视频稳像精度要求较高的情况，提出一种基于边缘图像配准的高精度电子稳像方法。该方法采用相位一致性作为不变度量来同时检测图像的角点和边缘特征；利用匹配点对引导边缘匹配，并筛选适量分布均匀的匹配点对求取初始全局进行运动估计；改进粒子滤波以对边缘图像进行配准来获得精确全局运动参数，进一步提高了稳像精度。实验结果表明，所提出方法的平移配准误差(Δx= 0.210,Δy=-0.013)远小于一个像素，满足了车载侦察系统对电子稳像技术的实时性及高精度要求。

一种基于特征匹配的鲁棒性稳像算法： (1)为保证稳像系统的鲁棒性，算法在进行特征匹配时融入亮度变化自适应模型并利用特征匹配误差分析和运动一致性原则对特征初步匹配结果作有效性验证 以提高算法对光线变化和局部运动物体的鲁棒性。 (2)为提高稳像系统的智能性，提出一种基十特征集合匹配关系的抖动检测方法。该方法通过对帧间运动参数进行分析确定视频是否有抖动发生，进Ifu确定是否需要做进一步的运动补偿处理，从}fu避免在视频没有发生抖动时产生由补偿引起的系统效率下降。 (3)在以上研究工作的基础上，成功开发一套数字图像稳定系统，该系统在拍摄场景具有一定的纹理信息时，即使场景中发生光线变化和存在产生局部运动的前景物体时，仍具有较好的稳像效果。

一个研究生的毕业论文，基于SIFT特征匹配的视频稳像算法研究，结构清晰

千辛万苦终于找到了 一个可以按文件夹体积大小排序的软件（显示体积大小） 虽然不能直接删除、复制、框选等操作（只能打开某一个文件夹）但能一目了然也是一个不小帮助了

变权排序法对汽车企业生存能力影响因素权重的确定，秦飞虎，，本文在参考国际通用的沃尔评分系统的基础上，结合汽车行业的经济特点，确定了影响汽车企业生存能力的三大因素。这三大因素并无数

Csdn博客https://blog.csdn.net/qiangpi6057/article/details/12854772 Fastest_Image_Pattern_Matching 测试Demo

这是用于非目标排序和拥挤距离方法（MOBO2）的多目标bo黑猩猩优化程序（MOBO）的Matlab代码。 开发了三个版本的MOBO， 例如采用网格索引方法的 MOBO (MOBO1)、采用非支配排序和拥挤距离方法的 MOBO (MOBO2) 和采用分解技术的 MOBO (MOBO3)。 通常，在这三个版本中，与其他两种方法相比，MOBO2方法具有更好的性能。 这是为解决无约束的优化问题而编写的。 然而，它也可以用惩罚函数方法解决约束优化问题。 用户应编写自己的目标函数并进行相应的修改。 根据问题的需要修改通用参数和算法特定参数。 有关 MOBO 算法的详细信息，请参考并引用如下所述： Das，AK，Nikum，AK，Krishnan，SV等。 Multi-objective Bonobo Optimizer (MOBO)：一种用于多标准优化的智能启发式算法。 Knowl Inf S

C算法[第一卷 基础、数据结构、排序和搜索](第三版)1