这里边有单尺度，多尺度等等的Retinex的Matlab程序，挺好用的

在zouxy09大神单尺度c＋＋版STC代码的基础上进行了多尺度复现并解决了边界处理问题望学习STC的同学共同交流啊

针对机载光电成像系统的大视场高分辨率成像需求,设计一种基于共心球透镜的多尺度广域高分辨率光学成像系统,该光学系统包括大尺度共心球透镜和小尺度次级相机阵列,具有结构紧凑的优点。
根据共心球透镜所具有的球差和色差特性,并结合小尺度相机对像差进行进一步校正以分割视场,可以实现大视场高分辨率成像。
全系统在受力以及高、低温的条件下进行实验,实验结果表明该成像系统具有良好的稳定性,且全视场范围内的调制传递函数值恒接近于系统的衍射极限,弥散斑半径的方均根值小于探测器的像元尺寸,说明该系统的成像效果良好。
所提系统可以有效解决传统机载成像系统难以同时满足大视场和高分辨率的问题,为光学成像系统设计提供一种新思路。

第1章绪论1.1合成孔径雷达概况1.2发展历程1.2.1国外SAR发展历程1.2.2我国SAR发展历程1.3发展趋势1.4主要应用1.4.1军事领域1.4.2民用领域1.5内容安排第2章合成孔径雷达2.1概述2.2SAR成像基本原理2.2.1距离向分辨率与脉冲压缩技术2.2.2方位向分辨率与合成孔径原理2.2.3点目标信号回波模型2.2.4SAR成像处理与算法2.3SAR成像的几何特性2.3.1斜距图像的比例失真2.3.2透视收缩与顶底位移2.3.3雷达阴影2.3.4雷达视差与立体观察第3章雷达目标电磁散射计算3.1概述3.1.1电磁散射基本计算方法3.1.2严格的经典解法3.1.3近似求解方法3.2等效电磁流计算3.2.1等效电磁流奇异性的消除3.2.2等效电磁流的分析与计算3.3多次散射的计算3.3.1几何/物理光学混合算法3.3.2存在多重散射的条件和遮挡关系的判断3.3.3几何光学/等效电磁流混合算法3.3.4GO/PO混合方法的应用3.4腔体结构电磁散射RCS计算3.4.1复射线近轴近似电磁散射算法3.4.2计算实例3.5复杂目标电磁散射的计算3.5.1复杂目标几何建模3.5.2复杂目标电磁散射混合计算第4章合成孔径雷达图像特征分析4.1概述4.2SAR图像辐射特征4.2.1SAR图像回波强度的概率分布4.2.2辐射分辨率4.3SAR图像噪声特征4.4SAR图像目标几何特征4.4.1点目标4.4.2线目标4.4.3面目标4.5SAR图像灰度统计特征4.5.1幅度特征4.5.2直方图特征4.5.3统计特征4.6SAR图像纹理特征4.6.1方向差分特征4.6.2灰度共现特征4.6.3小波纹理能量特征第5章合成孔径雷达图像分割5.1概述5.2阈值分割法5.2.1基于遗传算法的二维最大熵阈值分割法5.2.2二维模糊熵阈值分割法5.2.3双阈值分割算法5.3基于马尔可夫随机场模型的分割法5.3.1吉布斯MEF分割模型5.3.2吉布斯MRF分割算法5.3.3多尺度MRF图像分割5.4基于多尺度几何分析的分割法5.4.1基于Contourlet变换的SAR图像分割5.4.2基于Wedgelet变换的SAR图像分割5.5分割评价方法5.5.1分割质量评价5.5.2适用情况分析第6章合成孔径雷达图像目标分类6.1概述6.1.1分类流程6.1.2评价标准6.2概率密度函数估计6.2.1单-密度函数6.2.2混合密度函数6.2.3有限混合密度函数的逼近能力6.3参数估计6.3.1极大似然估计6.3.2EM算法6.4最小距离分类法6.5最大后验概率分类法6.6支持向量机分类法6.6.1支持向量机原理6.6.2支持向量机分类法6.7隐马尔可夫优化分类法6.7.1HMM原理6.7.2HMOC模型第7章合成孔径雷达图像目标识别7.1概述7.1.1识别方法7.1.2自动目标识别系统7.2基于电磁特性的目标识别7.3典型目标识别7.3.1道路识别7.3.2机场识别7.3.3MSTAR坦克识别第8章合成孔径雷达图像融合8.1概述8.1.1图像融合概念8.1.2融合效果评价8.2SAR图像与可见光图像融合8.2.1提升小波变换8.2.2基于提升小波变换区域统计特性的融合算法8.3SAR图像与多光谱图像融合8.3.1主成分分析方法8.3.2基于主成分分析的SAR与多光谱图像融合8.4多波段SAR图像融合8.4.1基于atrous算法方向滤波器组的多波段SAR图像灰度融合8.4.2多波段SAR图像伪彩色融合第9章合成孔径雷达图像压缩9.1概述9.1.1第一代和第二代压缩技术9.1.2多尺度方向分析技术9.2SAR图像压缩中的典型特征9.2.1纹理特征9.2.2变换域系数统计特征9.3SAR图像Non-SWMDA压缩方法9.3.1不可分离小波的提升实现9.3.2基于块分割的二叉树编码方案设计9.4SAR图像压缩效果评价9.4.1保真度准则9.4.2特征衡量标准

matlab实现LBP纹理特征提取，提供多种方法，有基本LBP，圆域LBP，旋转不变LBP，均匀模式，LBPc，LBPvar，多像素块LBP，多阈值LBP，小波尺度LBP，Gobor多尺度LBP等

采用多尺度小波模极大值求信号的奇异点，即信号的频谱边缘，可用于认知无线电小波变换检测频谱。

几个常用到的matlab图像处理工具箱：峰值检测；
梯度方向图；
多尺度血管增强滤波；

该代码为自适应多尺度带有色彩保护的Retinex算法（autoMSRCR），在retinex里面有多中retinex算法变种可供调用，run是调用脚本。
该算法本人在DR图片上进行测试，可见对比度显著增强，但是图像本身色彩不失真，并且没有明显的噪声增大情况

SPH光滑粒子流体动力学中英文都有，中文版本以及英文版的都有，拿去参考吧。
光滑粒子流体动力学-一种无网格粒子法第1章绪论1.1数值模拟1.1.1数值模拟的作用1.1.2一般数值模拟的求解过程1.2基于网格的方法1.2.1拉格朗日网格1.2.2欧拉网格1.2.3拉格朗日网格和欧拉网格的结合1.2.4基于网格的数值方法的局限性1.3无网格法1.4无网格粒子法(MPMS)1.5MPMs的求解策略1.5.1粒子描述法1.5.2粒子近似1.5.3MPMS的求解过程1.6光滑粒子流体动力学(SPH)1.6.1SPH方法1.6.2SPH方法简史1.6.3本书中的SPH方法第2章SPH的概念和基本方程2.1SPH的基本思想2.2SPH的基本方程2.2.1函数的积分表示法2.2.2函数的导数积分表示法2.2.3粒子近似法2.2.4推导SPH公式的一些技巧2.3其他基本概念2.3.1支持域和影响域2.3.2物理影响域2.3.3particle—in-cell(PIC)方法2.4结论第3章光滑函数的构造3.1引言3.2构造光滑函数的条件3.2.1场函数的近似3.2.2场函数导数的近似3.2.3核近似的连续性3.2.4粒子近似的连续性3.3构造光滑函数3.3.1构造多项式光滑函数3.3.2一些相关的问题3.3.3光滑函数构造举例3.4数值测试3.5结论第4章SPH方法在广义流体动力学问题中的应用4.1引言4.2拉格朗日型的Navier—Stokes方程4.2.1有限控制体与无穷小流体单元4.2.2连续性方程4.2.3动量方程4.2.4能量方程4.2.5Navier-Stokes方程4.3用SPH公式解Navier-Stokes方程组4.3.1密度的粒子近似法4.3.2动量方程的粒子近似法4.3.3能量方程的粒子近似法4.4流体动力学的SPH数值相关计算4.4.1人工粘度4.4.2人工热量4.4.3物理粘度4.4.4可变光滑长度4.4.5粒子间相互作用的对称化4.4.6零能模式4.4.7人工压缩率4.4.8边界处理4.4.9时间积分4.5粒子的相互作用4.5.1最近相邻粒子搜索法(NNPS)4.5.2粒子对的相互作用4.6数值算例4.6.1在不可压缩流的应用4.6.2在自由表面流的应用4.6.3SPH对可压缩流的应用4.7结论第5章非连续的SPH(DSPH)5.1引言5.2修正光滑粒子法5.2.1一维情况5.2.2多维情况5.3模拟非连续现象的DSPH公式5.3.1DSPH公式5.3.2非连续的确定5.4数值性能研究5.5冲击波的模拟5.6结论第6章SPH在爆炸模拟中的应用6.1引言6.2HE爆炸和控制方程6.2.1爆炸过程6.2.2HE的稳态爆轰6.2.3控制方程6.3SPH公式6.4光滑长度6.4.1粒子的初始分布6.4.2光滑长度的更新6.4.3优化和松弛过程6.5数值算例6.6应用SPH方法模拟锥孔炸药6.7结论第7章SPH在水下爆炸冲击模拟中的应用7.1引言7.2水下爆炸和控制方程7.2.1水下爆炸冲击的物理特性7.2.2控制方程7.3SPH公式7.4交界面处理7.5数值算例7.6真实爆炸模型与人工爆炸模型的比较研究7.7水介质缓冲模拟7.7.1背景7.7.2模拟设置7.7.3模拟结果7.7.4小结7.8结论第8章SPH方法在具有材料强度的动力学中的应用8.1引言8.2具有材料强度的动力学8.2.1控制方程8.2.2本构模型8.2.3状态方程8.2.4温度8.2.5声速8.3具有材料强度的动力学SPH公式8.4张力不稳定问题8.5自适应光滑粒子流体动力学(ASPH)8.5.1为什么需要ASPH方法8.5.2ASPH的主要思想8.6对具有材料强度的动力学的应用8.7结论第9章与分子动力学耦合的多尺度模拟9.1引言9.2分子动力学9.2.1分子动力学的基本原理9.2.2经典分子动力学9.2.3经典MD模拟9.2.4Poiseuille流的MD模拟9.3MD与FEM和FDM的耦合9.4MD与SPH的耦合9.4.1模型I：双重功能(具有重叠区域的模型)9.4.2模型Ⅱ：力桥(没有重叠区域的模型)9.4.3

更快的高分辨率神经修复：使用多尺度神经斑块合成的高分辨率图像修复

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。