张量投票是基于感知原理的图像特征推断框架。 此工具为 2D 密集张量投票实现了可操纵的滤波器公式。 它是以下框架文献综述的补充材料： “通过张量投票进行感知分组：最近方法的比较调查”。 E Maggiori, HL Manterola, M del fresno。 将在 IET 计算机视觉中发表。 特别是，该工具实现了张量投票重构，与之前的工作相比，它运行得非常快。 该配方出现在： “使用可控滤波器进行张量投票的有效方法”，Franken 等人。 阿尔。 ECCV 2006。

这是一个基于 MatLab 的工具，允许从 2D 图像（支持 .bmp 图像格式）分割和生成 3D CAD 模型。 通过使用聚类算法检测等值面：这里实现了“K-Means”聚类方法。 此方法通过将按其灰度定义的图像像素分组为K个组/簇来进行操作。 一个恒定的像素值（簇的质心）与每个簇相关联。 通过使用这种分类，对于第i个切片，引入了像素的逻辑矩阵（像素掩码）：如果第t个像素属于第k个簇，则第t个像素的值等于“1”，否则假定它等于“0”。 一旦对所有图像切片执行了聚类分类，就可以使用行进立方体算法（MatLab 中可用的等值面函数）创建 3D 细分曲面。 分割和分类算法也在用户友好的 MatLab 图形用户界面 (GUI) 中实现，它提示用户：(i) 加载图像，(ii) 应用自动过滤器和分割算法，以及 (iii) 可视化 3D模型并将细分曲面导出为标准 .stl 格式。 此外，可以选择感兴

Image_Convolution_CUDA CUDA中的2D图像卷积通过使用共享和恒定内存进行。

3)外极线约束 建立对应关系 定义14：包含3D点P、两个光心(或摄像机)C1和C2，以及P在两幅图像中的投影点P1和P2的平面称为外极面(epipolar plane). 定义15：外极面与两幅图像平面I1和I2的交线e1和e2称为外极线(epipolar line). 定义16：立体图像对的外极点(epipole)就是所有外极线的交点. * 在图像I1中，已知外极线e1上的点P1和摄像机相对位姿（将在后面章节介绍），就可以找到图像I2中对应的外极线e2，在e2上必然存在对应点p2，如果在图像I1中，另一个点P1‘位于与P1不同的外极面上，那么他们也将位于不同的外极线上。 立体图像对的外极点(epipole)就是所有外极线的交点.E1是图像I1的外极点，而E2是图像I2的外极点。

鼻子是人脸中一个突出的器官,其特征不易受面部表情变化的影响。鼻子检测是在图像或图像序列中搜索人鼻的位置及其轮廓线特征,其研究在人脸检测和定位、人脸识别、人脸姿态估计、3D人脸重构等方面具有重要的意义。近年来,研究者们在该领域做了大量研究,提出了很多有效的算法。对相关文献进行了综述,将现有的鼻子检测方法分为基于2D图像的方法和基于3D信息的方法,分析了这两类方法的优缺点。

在该存储库中，基于合成Kong径雷达 (SAR) 处理技术和低成本片上系统毫米波调频连续波技术相结合的二维 (2-D) 近场成像解决方案(FMCW) 雷达。 为了在目标场景上创建合成Kong径，我们构建了一个两轴自动轨道系统并与德州仪器 IWR1443 77 GHz 毫米波 FMCW 雷达传感器集成。 用于近场二维图像形成的简化信号处理技术是介绍。 可从以下链接下载记录的 SAR 数据样本： https://utdallas.box.com/s/d4l3pfcb0v9o0nh2rwy1skkbad8rb6co 致谢：这项工作得到了半导体研究公司（SRC）任务2712.029的支持，该任务通过德克萨斯大学达拉斯分校的德克萨斯模拟卓越中心（TxACE）进行。

该pdf为一个ppt讲义的pdf版本，涉及到现在2D图像的基本变换，及其实例的公式推导，比如平移、旋转等等。

设计实现了加速Microsoft GDI中AlphaBlend、BitBlt、MaskBlt、StretchBlt、TransparentBlt等函数的硬件结构;对函数实现中缩放算法的数据相关性进行研究,提出一种高效的缩放结构,与Marvell PXA300相比性能有明显提升.并且使用FPGA对本结构进行验证,结果与Microsoft GDI一致,在SMIC 0.13μm CMOS工艺标准单元库下使用Design Compiler进行综合,频率可达203MHz.