为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。

Windows NT有映射物理内存到一个Device，这个源码告诉你怎么去访问物理内存.zip

连接orcale数据库自动生成所需表映射类和mapper文件，解压即用！

三维（3D）NAND闪存的可靠性增强型地址映射策略

多标签分类的半监督低秩映射学习

To improve the accuracy of color image reproduction from displays to printers, an adaptively spatial color gamut mapping algorithm (ASCGMA) is proposed. In this algorithm, the compression degree of out-of-reproduction-gamut color is not only related to the position of the color in CIELCH color space, but also depending on the neighborhood of the color to be mapped. The psychophysical experiment of pair comparison is carried out to evaluate and compare this new algorithm with the HPMINDE and SGCK

本文完整阐述了内存映射的机理。对于提供了MMU（存储管理器，辅助操作系统进行内存管理，提供虚实地址转换等硬件支持）的处理器而言，Linux提供了复杂的存储管理系统，使得进程所能访问的内存达到4GB。 　　进程的4GB内存空间被人为的分为两个部分--用户空间和内核空间。用户空间地址分布从0到3GB(PAGE_OFFSET，在0x86中他等于0xC0000000)，3GB到4GB为内核空间......

尽管中国的MOOC用户数量急剧增加，但由于对课程结构，前提课程等的不熟悉，用户仍然面临半途放弃学习的风险。 为解决此问题，MKD通过提供清晰的课程结构图，帮助用户认识适当的学习路径以及知识关系，从而发挥了重要作用。 在本文中，基于在线课程提出了一种构建中文可用MKD的方法。 在线课程数据是通过从MOOC站点上进行Web爬网获取的，然后通过数据清理和数据融合进行处理，然后提取和评估MKD。 这种方法适用于所有现有的MOOC课程，因此具有实际意义。

基于集成映射的JPEG图像隐密分析方法

将当前文件夹映射为W盘的批处理文件