这是全部源码！GLC_Info是一款基于C#+ArcEngine平台设计实现的遥感影像分类软件，其核心为GLC分类器，该分类器采用了当下最为流行的C5.0决策树分类算法为模型，并进行了算法改进，使分类器更加适用于遥感影像分类。
依托该分类器，软件可以独立实现基于像元的遥感影像分类，在获得易康（eCognition）或者ENVIEX分割结果的基础上，软件可以实现对分割结果的全自动分类。
同时该软件提供了全形态VORONO图的生成。
依托该分类器，软件可以独立实现基于像元的遥感影像分类，在获得易康（eCognition）或者ENVIEX分割结果的基础上，软件可以实现对分割结果的全自动分类。
同时该软件提供了全形态VORONO图的生成。
2024/4/20 16:15:30
19.14MB
1
在数字图像处理领域《数字图像处理第三版》作为主要教材已有30多年这一版本是作者在前两版的基础上修订而成的是前两版的发展与延续除保留了前两版的大部分内容外根据读者的反馈作者在13个方面对《数字图像处理第三版》进行了修订新增了400多幅图像200多幅图表及80多道习题融入了近年来数字图像处理领域的重要进展因而《数字图像处理第三版》特色鲜明且与时俱进《数字图像处理第三版》仍分为12章即绪论数字图像基础灰度变换与空间滤波频率域滤波图像复原与重建彩色图像处理小波和多分辨率处理图像压缩形态学图像处理图像分割表示与描述目标识别《数字图像处理第三版》的读者对象主要是从事信号与信息处理通信工程电子科学与技术信息工程自动化计算机科学与技术地球物理生物工程生物医学工程物理化学医学遥感等领域的大学教师和科技工作者研究生大学本科高年级学生及工程技术人员"＞在数字图像处理领域《数字图像处理第三版》作为主要教材已有30多年这一版本是作者在前两版的基础上修订而成的是前两版的发展与延续除保留了前两版的大部分内容外根据读者的反馈作者在13个方面对《数字图[更多]
2024/4/18 20:39:45
82.67MB
1
使用方法：把代码保存成bmap.pypythonbmap.py或pythonbmap.py服饰厂运行后会自动采集百度地图中所有的结果，保存为以tab分割的txt文件，方便导入各种数据库。
2024/4/18 19:15:33
2KB
1
改进的树苗生成器Blenders树苗树生成器附加组件的新版本，具有改进，新功能和错误修复对于Blender2.7：add_curve_sapling_3对于Blender2.8：add_curve_sapling_3_2_8最新：sapling_4新的替代版本“sapling_4”（隔离版）包括许多更改，以提高树木的可用性和外观与较早的预设打破向后兼容性变更记录：重新排列界面，删除，添加，重命名设置添加备用/相反的附件设置自定义形状的插值更平滑删除修剪分割交替方向取下锥度表冠提高分割半径比分割角现在是实际角度，是以前的一半分支直线度影响所有级别现在正曲率曲线向上分支曲线变化与重塑一致长度变化影响分支而无裂口移回曲线改善距离模式更改为半径计算变更分布函数有关使用树生成器的，请参见Wiki中的。
此插件的Blender2.7版本版本开始到BlenderMaster中，进行了少量更改。
此插件的Blender2.7版本版本开始到BlenderMaster中，进行了少量更改。
2024/4/15 6:27:50
167KB
1
为实现自然条件下棉花叶片的精准分割，提出一种粒子群（Ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）优化算法和Ｋ－ｍｅａｎｓ聚类算法混合的棉花叶片图像分割方法。
本算法将棉花叶片图像在ＲＧＢ颜色空间模式下采用二维卷积滤波进行去噪预处理，并将预处理后的彩色图像从ＲＧＢ转换到目标与背景差异性最大的Ｑ分量、超Ｇ分量、ａ＊分量；
随后在Ｋ均值聚类的一维数据空间中，利用ＰＳＯ算法向全局像素解的子空间搜寻，通过迭代搜寻得到全局最优解，确定最佳聚类中心点，改善Ｋ均值聚类的收敛效果；
最后，对像素进行聚类划分，从而得到棉花叶片分割结果。
按照不同天气条件和不同背景采集了１ ２００幅棉花叶片样本图像，对本研究算法进行测试。
试验结果表明：该算法对于晴天、阴天和雨天图像中目标（棉花叶片）分割准确率分别达到９２．３９％、９３．５５％、８８．０９％，总体平均分割精度为９１．３４％，并与传统Ｋ均值算法比较，总体平均分割精度提高了５．４１％。
分割结果表明，本研究算法能够对３种天气条件（晴天、阴天、雨天）与４种复杂背景（白地膜、黑地膜、秸秆、土壤）特征混合的棉花叶片图像实现准确分割，为棉花叶片的特征提取与病虫害识别等后续处理提供支持。
本算法将棉花叶片图像在ＲＧＢ颜色空间模式下采用二维卷积滤波进行去噪预处理，并将预处理后的彩色图像从ＲＧＢ转换到目标与背景差异性最大的Ｑ分量、超Ｇ分量、ａ＊分量；
随后在Ｋ均值聚类的一维数据空间中，利用ＰＳＯ算法向全局像素解的子空间搜寻，通过迭代搜寻得到全局最优解，确定最佳聚类中心点，改善Ｋ均值聚类的收敛效果；
最后，对像素进行聚类划分，从而得到棉花叶片分割结果。
按照不同天气条件和不同背景采集了１ ２００幅棉花叶片样本图像，对本研究算法进行测试。
试验结果表明：该算法对于晴天、阴天和雨天图像中目标（棉花叶片）分割准确率分别达到９２．３９％、９３．５５％、８８．０９％，总体平均分割精度为９１．３４％，并与传统Ｋ均值算法比较，总体平均分割精度提高了５．４１％。
分割结果表明，本研究算法能够对３种天气条件（晴天、阴天、雨天）与４种复杂背景（白地膜、黑地膜、秸秆、土壤）特征混合的棉花叶片图像实现准确分割，为棉花叶片的特征提取与病虫害识别等后续处理提供支持。
2024/4/14 16:22:47
2.56MB
1
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。
2024-04-09 15:03
15KB