医学图像重建算入门，包含断层成像的基础原理、平行光束图像重建、扇形束图像重建、透射型投影和发射型投影的断层成像、三维图像重建、迭代重建和MRI中的图像重建

用电子束抽运的垂直腔面发射激光器作投影表现

这是一本入门的书,其宗旨是向读者引见经典的和现代的图像重建方法.本书涵盖了二维(2D)平行光束和扇形束成像,三维(3D)平行线,平行面,及锥形束成像.包括解析算法和迭代算法.本书还描述了这些算法在X光CT,SPECT,PET,和MRI等医学影像中的应用.本书对最新的研究成果,如使用截断的投影数据精确重建ROI,Katsevich的锥形束滤波反投影(FBP)算法,以及利用l0极小化方法来重建极度欠采样数据.

采用最大似然交替投影迭代的方法对信号进行DoA估计，很适用的

一、1.Pleasedownloadandinstalltheglutlibrary.2.WriteacompleteprogramusingthefollowingcodestodrawaSierpinskigasket.voidmyinit(){//attributesglClearColor(1.0,1.0,1.0,1.0);glColor3f(1.0,0.0,0.0);//setupviewingglMatrixMode(GL_PROJECTION);glLoadIdentity();gluOrtho2D(0.0,50.0,0.0,50.0);glMatrixMode(GL_MODELVIEW);}voiddisplay(){GLfloatvertices[3][3]={{0.0,0.0,0.0},{25.0,50.0,0.0},{50.0,0.0,0.0}};//anarbitrarytriangleintheplanez=0;GLfloatp[3]={7.5,5.0,0.0};//orsetanydesiredinitialpointwhichisinsidethetriangle;intj,k;intrand();glBegin(GL_POINTS);for(k=0;k＜5000;k++){/*pickarandomvertexfrom0,1,2*/j=rand()%3;//computenewlocation;p[0]=(p[0]+vertices[j][0])/2;p[1]=(p[1]+vertices[j][1])/2;//displaynewpointglVertex3fv(p);}glEnd();glFlush();}#includevoidmain(intargc,char**argv){glutInit(&argc;,argv);glutInitDisplayMode(GLUT_SINGLE|GLUT_RGB);glutInitAWindowSize(500,500);glutInitWindowPosition(0,0);glutCreateWindow(“SimpleOpenGLExample”);glutDisplayFunc(display);myinit();glutMainLoop();}3.实现DDA和Bresenham画线算法(1)画10万以上随机生成的直线段，比较两个算法的平均时间.(2)分别把屏幕上的1*1，5*5,9*9像素当作直线段上的一个点，观察线段的走样情况.二、请写一个OpenGL（如果熟悉WebGL也可以用）程序完成如下任务(1)读入三维网格模型的obj文件;(2)用OpenGL函数glTranslatef()对模型模型进行平移，使得其重心位于原点;(3)用函数glLookAt()设置视点，并且要求试点绕模型一周，以便用透视投影观察各个侧面;(4)要求利用真实感绘制对模型进行渲染.(利用OpenGL函数设置光源，材质，计算好每个三角形的法向量后，利用OpenGL的glNormal函数给待绘制的三角形设置法向量).绘制的结果大概如下：三、本实验为综合实验,任务是利用光线跟踪算法进行Whitted全局光照计算，并对读入场景进行真实感绘制。
（特别提示:网上类似的projects可以参考，但不能照抄.如http://tobias.isenberg.cc/graphics/LabSessions/RaytracingProject,http://physbam.stanford.edu/links/ray_tracing/project_ray_tracing.htmlhttps://www.cs.utexas.edu/~fussell/courses/cs354/assignments/raytracing/handout.shtml）(1)参加对象:本实验针对所有选课同学，3-5人组成一个小组，共同实现；
非15级同学在组队方面有困难的话可与老师沟通.(2)实验结果提交:每人都要求提交一份.内容包括a.源程序;可执行代码;三维场景数据;同组的同学这部

计算机图形学的vc++程序示例含二维线画图元、二维线填充图元、线段裁切、多边形裁切、二维图形变换、三维图形变换、凸多面体的建模、透视投影，隐藏面的消除及基本图形变换（平移、旋转、缩放）、曲线挪动、曲线清除等。

光栅投影三维紧密测量-达飞鹏

针对平行束投影数据，经过直接反投影算法、滤波反投影算法和卷积反投影算法进行图像重建。
文件是三种算法的源程序。

在中国安防产业中视频监控作为最重要的信息获取手段之一，能对目标有效的提取是重要而基础的问题，因此本文在此背景下，围绕对监控视频的前景目标有效的提取问题，研究了关于1）静态背景、动态背景的前景目标提取，能在背景复杂化的条件下，将运动的目标；
2）带抖动视频；
3）静态背景下多摄像头对多目标提取；
4）出现异常事件视频的判断等问题。
给出了在不同情况下的前景目标提取方案。
问题一是针对静态背景且摄像头稳定的情况下，如何对前景目标提取的问题。
在题目要求的基础上，通过对附件2中几组视频的分析，我们发现所有前景目标的运动短暂且光线明暗变化不明显。
由于传统的Vibe算法能抑制鬼影但是运行效果不理想，因此采用建立在帧差法上改进的Vibe算法模型求解问题。
并和传统的Vibe算法做对比，结果显示改进的Vibe算法明显优于传统的算法。
而且对我们的算法模型做了效果评价。
详细数据参考正文与附录。
问题二是在背景为动态（如有水波的产生）的情况下，对前景目标的提取问题。
在此问题中，由于动态背景存在使得提取出的图像帧具有大量的干扰噪声，对前景目标的识别和提取造成干扰，因此我们提出一种基于全局外观一致型的运动目标检测法。
在用Vibe算法对场景预检测的基础上，建立混合高斯模型分别对前景和背景进行全局外观建模，将运动目标检测出来，再引入超像素去噪，进一步优化结果。
详细结果参考正文与附录。
问题三是在问题一、二基础上的进一步深化。
问题一及问题二是建立在摄像机自身稳定的基础上，而问题三则是在摄像机抖动的情况下。
由于摄像机抖动一般具有旋转和平移，因此我们建立了坐标变换模型，以仿射变换作为模型基础，结合改进的高精度鲁棒的RANSAC算法提取前景目标，并对比灰度投影法，比较两种模型效果。
具体效果见正文与附录。
问题四是对前三个问题的综合应用。
运用基于混合高斯模型背景建模Vibe算法，对前景目标进行提取；
选出具有显著前景目标的参考帧，计算参考帧中显著前景目标所占的面积，并将此面积设定为阈值T，遍历所有的视频帧，计算其前景目标所占的面积，通过相减对比，判定显著前景目标。
若判定为显著前景目标则输出其所在视频帧中的帧号，并将显著前景出现的总帧数增加1。
问题五是针对多摄像头多目标的协同跟踪问题。
在问题二的混合高斯模型基础上我们建立了动态背景提取法，对不断变化的背景进行实时更新。
再利用单应性约束法对多目标发生重叠现象进行投影将重叠目标区分开来，对目标进行定位。
由于目标的不断运动，我们采用粒子滤波法对前景目标进行实时跟踪，通过多摄像头的协同通信完成对多前景目标的检测。
问题六是针对监控视频中前景目标出现异常情况时判断能否有异常事件的问题。
在基于稀疏表示的模型上，引入混合高斯模型用于学习不同类型的运动特征规律，然后通过各个单高斯模型中的均值建立一个相似矩阵作为字典。
以测试阶段生成的核矢量为基础，用该局部特征的核矢量计算基于稀疏表示的重构误差，并将其与已设定的阈值进行比较，如果重构误差大于阈值，则判为异常。

投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠投影巨匠

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。