vbm8工具箱在spm8中运行。也就是说，需要将spm8安装到您的 安装vbm8工具箱之前的matlab搜索路径(参见http://www.fil.ion.ucl.ac.uk/spm/和http://en.wikibooks.org/wiki/SPM)。 预处理步骤： （1）T1图像归一化到模板空间，分割为灰质(GM)、白质(WM)和脑脊液(CSF)。预处理参数可以通过预估写入模块进行调整。 （2）在预处理完成后，强烈建议进行质量检查。这可以通过模块“显示所有图像的一片”和“使用协方差检查样本同质性”来实现。两个选项都位于“vbm8检查数据质量”下。 （3）在将gm图像输入统计模型之前，需要对图像数据进行平滑处理。值得注意的是，这个步骤并没有在vbm8工具箱中实现，而是通过标准spm模块“Smooth”实现的。

一个关于lab空间颜色分割和hsv色彩空间分割的程序

集装箱配载是一个复杂的组合优化问题,其约束条件多,属于NP完全问题,并且求解难度大.在满足一定的约束条件下,提出一种3维集装箱装载的自适应遗传算法.算法中考虑了货物放置方向和装载容积等约束条件,给出了有效的解码算法.实例仿真结果表明了该算法的有效性和实用性.

在Lab颜色空间分割彩色图像-Lab_quyuzengzhang.m 基于Lab颜色空间的彩色图像分割代码，用的是区域生长算法

常规的特征保持点云精简方法需计算全部点云的微分信息，但直接计算高密度或含噪点云的微分信息存在一定偏差，导致点云精简效果不佳。提出一种基于栅格动态划分的点云精简方法。首先对模型进行空间栅格初划分，利用随机采样一致性算法剔除栅格内的干扰点，然后采用最小二乘法对剩余点进行平面拟合并计算平整度值，根据平整度值判别该栅格是否细分，将平坦区域压入大间距栅格内，特征丰富区域划分至小栅格中。针对小栅格内的点引入高斯函数降低远距离点对特征识别贡献的权重，综合曲面变化度和邻域法向量夹角信息共同识别特征点并保留，大栅格内的点根据栅格间距大小采用不同的采样率采样。与随机采样法、栅格法、曲率精简法对比实验结果表明，该方法能较好地保持模型细微特征且避免孔洞的出现，精简后模型的最大偏差为1.502 mm，远小于其他三种方法；随着噪声强度的增加，本文方法的精简误差相对较小且变化平缓，在35 dB噪声下，平均偏差仅为随机采样法和栅格法的40%，曲率精简法的50%。