lmj1436140682的博客

卡尔曼滤波(Kalman filtering)一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。斯坦利·施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑使用了

Local Feature  Detection and Extraction%Display two images.original = imread('cameraman.tif');figure;imshow(original);%The second image, is the original image rotated and scaled.scale = 1.3;

size（）：获取矩阵的行数和列数（1）s=size(A),         当只有一个输出参数时，返回一个行向量，该行向量的第一个元素时矩阵的行数，第二个元素是矩阵的列数。（2）[r,c]=size(A),         当有两个输出参数时，size函数将矩阵的行数返回到第一个输出变量r，将矩阵的列数返回到第二个输出变量c。（3）size(A,n)如果在si

1. nargin, nargout　　 函数功能: 返回函数参数数量　　在函数内部使用时,nargin 和 nargout分别表明有输入和输出参数数量。若在函数外部使用, nargin 和nargout对给定的函数，表明输入和输出参数数       量。如果一个函数有可变数量的参数，参数数量为负值。 nargin：返回函数输入参数的数量。 nargin(fun)：返回

a =     1     2     3     2     3     4b =     4     5     6     5     9     9要求：c =     1     2     3     2     3     4     4     5     6     5     9     9使用命令：c = [a; b

1.dirdir列出当前文件夹里所有的文件与文件夹。结果不排序，但按照操作系统中的顺序列出。dir(name)列举特定的文件。name参数可以是路径名称、文件名称或路径名称+文件名称。用户可以使用绝对路径、相对路径和通配符(*)。 files = dir('dirname')同上，不过把文件夹名与文件夹名保存到files中，非常适合做文件(夹)列举，

假如读取F盘English文件夹中的所有bmp图片：Files = dir(strcat('F:\\english\\','*.bmp'));LengthFiles = length(Files);for i = 1:LengthFiles;    Img = imread(strcat('F:\english\',Files(i).name));    %自己写图像处理函

load是导入文件,一般从mat文件中imread是图像处理工具箱的库函数,处理图像比较方便Load 命令  命令                                                 功能   load Filename                                 将名为Filename的MAT

前提是：所有图像都是灰度图像，大小为256*256cd ('D:\picture\test');files=dir('*.jpg');m=size(files,1);G=zeros(256,256,m);for i=1:mG(:,:,i)=imread(files(i).name);end

norm函数可计算几种不同类型的矩阵范数,根据p的不同可得到不同的范数。范数，是指设X是数域K上线性空间，称║˙║为X上的范数(norm)。从一个线性空间到另一个线性空间的线性映射，可以用一个矩阵来表达，矩阵被看线性作映射，线性映射的性质可以通过研究矩阵的性质来获得，比如矩阵的秩反映了线性映射值域空间的维数，可逆矩阵反映了线性映射的可逆，而矩阵的范数又反映了线性映射的哪些方面的性质呢？

转自：链接函数/Functions函数名称：trainCascadeObjectDetector功能：训练级联分类器语法：trainCascadeObjectDetector(outputXMLFilename,positiveInstance,negativeImage);            trainCascadeObjectDetector(outputXMLFile

隐马尔科夫-维特比算法 转自：http://www.cnblogs.com/zhiranok/archive/2012/12/15/ymrkf_viterbi.html概念介绍：　　本文只关注于一阶隐马尔科夫模型，即某一时刻的状态值只跟上一时刻的状态值有关。该模型可以用三元组表示：λ = (A, B,π ), 其中：A：为状态转移概率矩阵B：为观察概率矩阵，

我个人一直很喜欢算法一类的东西，在我看来算法是人类智慧的精华，其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中，并解决了实际问题后，那种快感更是我在其它地方体会不到的。      一直想写关于算法的博文，也曾写过零散的两篇，但也许是相比于工程性文章来说太小众，并没有引起大家的兴趣。最近面临毕业找工作，为了能给自己增加筹码，决定再次复习算法方面的知识，我决定趁这个机会，写一系列关于算

转【数学之美系列】   1870年，俄国有机化学家Vladimir V. Markovnikov第一次提出马尔科夫模型。    马尔可夫性：如果一个过程的“将来”仅依赖“现在”而不依赖“过去”，则此过程具有马尔可夫性,或称此过程为马尔可夫过程。即，X(t+1) = f( X(t) )。    如果 S 表示一连串特定顺序排列的词 w1， w2，…， wn ，换句话说，S

马尔可夫链模型概述　　马尔可夫链因安德烈·马尔可夫（Andrey Markov，1856－1922）得名，是数学中具有马尔可夫性质的离散时间随机过程。该过程中，在给定当前知识或信息的情况下，过去（即当期以前的历史状态）对于预测将来（即当期以后的未来状态）是无关的。　　时间和状态都是离散的马尔可夫过程称为马尔可夫链, 简记为。　　马尔可夫链是随机变量的一个数列。这些变

混合高斯模型 混合高斯模型使用K(基本为3到5个)个高斯模型来表征图像中各个像素点的特征，在新一帧图像获得后更新混合高斯模型，用当前图像中的每个像素点与混合高斯模型匹配，如果成功则判定该点为背景点， 否则为前景点。折叠定义混合高斯模型使用K(基本为3到5个)个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像

SURF算法解析一、积分图像    积分图像的概念是由Viola和Jones提出的。积分图像中任意一点（i，j）的值为原图像左上角到任意点（i，j）相应的对焦区域的灰度值的总和，其数学公式如图1所示:那么，当我们想要计算图片一个区域的积分，就只需计算这个区域的四个顶点在积分图像里的值，便可以通过2步加法和2步减法计算得出，其数学公式如下：

help与doc的区别 help搜索的是M文件帮助注释区的内容，简要地叙述该函数的调用格式和输入和输出量含义。 doc搜索的是在HTML文件构成的帮助子系统中进行的，内容比M文件帮助注释更详细。在该系统采用“超链接”机理，检索和查阅比较方便。

diag函数功能：矩阵对角元素的提取和创建对角阵设以下X为方阵，v为向量1、X = diag(v,k)当v是一个含有n个元素的向量时，返回一个n+abs(k)阶方阵X，向量v在矩阵X中的第k个对角线上，k=0表示主对角线，k>0表示在主对角线上方，kv=[1 2 3];diag(v, 3)ans =     0     0     0     1     0

原文地址：trace函数 求矩阵的迹" href="http://blog.sina.com.cn/s/blog_728fa7830101dc26.html" target="_blank">matlab trace函数 求矩阵的迹作者：漂流瓶jzmatlab中的trace函数 求矩阵的迹。矩阵的迹就是矩阵的主对角线上所有元素之和。>> [1 2;7

功能简介：像素的颜色值 使用方法： Impixel函数返回指定的图像像素的RGB(红red、绿green、蓝blue)颜色值。在下面的语法中，impixel函数显示输入图像，并等待你用鼠标指定像素：P = impixel(I)P = impixel(X,map)P = impixel(RGB)如果省略输入参数，impixel作用于当前使用的图像。使用鼠标左键单击

鲁棒性亦称健壮性、稳健性、强健性，是系统的健壮性，它是在异常和危险情况下系统生存的关键，是指系统在一定(结构、大小)的参数摄动下，维持某些性能的特性。例如，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。响应快速性所谓的响应快速性就是处于稳定状态的系统对于外部环境改变的快速反应能力，也是系统在受到扰动后迅速进入稳态的能力。对于生物模块来讲，任何输入

在学习卡尔曼滤波器之前，首先看看为什么叫“卡尔曼”。跟其他著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个人的名字，而跟他们不同的是，他是个现代人！卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。1953，1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。我们现在要学习的卡尔曼滤波器

转载：http://blog.sina.com.cn/s/blog_7829d8950101dsj5.html首先，将下载的工具箱文件解压，将文件夹复制到MATLAB安装目录下toolbox文件夹下。其次，在MATLAB命令行中输入如下命令：         >>cd D:\MATLAB7\toolbox\piotr_toolbox    % 找到你的工具箱