内容包括如下（材料很全，包括源码、可执行文件、说明；
由于材料过大，所以放在了百度网盘里，点击保存下载就行）1_人脸检测与识别系统2_指纹提取与识别系统3_细胞检测与计数系统4_图像检索系统5_遥感图像配准系统6_数字图像水印系统7_CT图像重建系统8_图像编辑器实现9_图片浏览器实现10_绘图板11_所需软件
由于材料过大，所以放在了百度网盘里，点击保存下载就行）1_人脸检测与识别系统2_指纹提取与识别系统3_细胞检测与计数系统4_图像检索系统5_遥感图像配准系统6_数字图像水印系统7_CT图像重建系统8_图像编辑器实现9_图片浏览器实现10_绘图板11_所需软件
2020/5/19 2:27:48
49B
1
动中成像模式可实现卫星在大角度快速机动过程中成像,满足遥感观测多样化、定制化、精细化需求。
分析了动中成像地面实验系统的基本原理,并在实验室搭建了一套面向动中成像模式的地面实验验证系统。
该系统采用高精度、高稳定的动态气浮靶标和基于外触发信号的相机积分时间调整方法。
研究了成像质量和光强的关系以及成像质量和相机探测器积分级数、卫星机动角速度的关系,开展了自定义运动曲线的动中成像实验。
结果表明,在相机探测器线性区内,不同机动角速度与探测器积分级数获取的图像动态调制传递函数(MTF)值的范围为0.0918~0.1054,满足工程应用(0.1附近)的要求,且MTF值与机动角速度、探测器级数无关。
动中成像实验中系统运转稳定,动态MTF值在0.1015±0.0098之间。
分析了动中成像地面实验系统的基本原理,并在实验室搭建了一套面向动中成像模式的地面实验验证系统。
该系统采用高精度、高稳定的动态气浮靶标和基于外触发信号的相机积分时间调整方法。
研究了成像质量和光强的关系以及成像质量和相机探测器积分级数、卫星机动角速度的关系,开展了自定义运动曲线的动中成像实验。
结果表明,在相机探测器线性区内,不同机动角速度与探测器积分级数获取的图像动态调制传递函数(MTF)值的范围为0.0918~0.1054,满足工程应用(0.1附近)的要求,且MTF值与机动角速度、探测器级数无关。
动中成像实验中系统运转稳定,动态MTF值在0.1015±0.0098之间。
2015/4/20 15:12:14
6.25MB
1
1、本程序基于Qt和GDAL开发，影像显示使用OpenGL渲染2、支持次要的遥感影像数据显示，灰度显示与彩色显示3、属于本人课余工作，代码量不大，但是具有一定的参考价值，配套和对应的release版本exe，同时，也为争取一些积分。
2017/8/2 3:17:28
8.55MB
1
提出了一种基于贝叶斯模式识别的激光雷达大气遥感灰霾组分识别的方法。
引见了灰霾组分模式识别模型的建立过程，并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。
采用计算机仿真实现了该灰霾组分模式识别模型，并通过两种自验证方法检验了模型的正确性和稳定性。
讨论了该模型对现有大气遥感激光雷达的适用性，凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
引见了灰霾组分模式识别模型的建立过程，并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。
采用计算机仿真实现了该灰霾组分模式识别模型，并通过两种自验证方法检验了模型的正确性和稳定性。
讨论了该模型对现有大气遥感激光雷达的适用性，凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
2016/4/24 3:07:25
5.28MB
1
提出了一种基于贝叶斯模式识别的激光雷达大气遥感灰霾组分识别的方法。
引见了灰霾组分模式识别模型的建立过程，并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。
采用计算机仿真实现了该灰霾组分模式识别模型，并通过两种自验证方法检验了模型的正确性和稳定性。
讨论了该模型对现有大气遥感激光雷达的适用性，凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
引见了灰霾组分模式识别模型的建立过程，并利用具体的贝叶斯判别函数作为灰霾粒子光学特征向量的选择依据对灰霾粒子进行识别分类。
采用计算机仿真实现了该灰霾组分模式识别模型，并通过两种自验证方法检验了模型的正确性和稳定性。
讨论了该模型对现有大气遥感激光雷达的适用性，凸显了偏振高光谱分辨率激光雷达(HSRL)的优势。
2016/4/24 3:07:25
5.28MB
1
面对遥感图像日益增长的分辨率，面向对象的分类处理方法相较于传统的基于像素的分类方法愈来愈有优势。
针对其分割处理环节仍存在过分割以及欠分割现象而导致分类精度降低的问题，本文提出一种融合多尺度分割的办法，使用不同尺度分割结果融合的结果作为最终分类的输入。
经过试验，此融合分割办法能无效的减少欠分割与过分割，提高面向对象的分类精度。
针对其分割处理环节仍存在过分割以及欠分割现象而导致分类精度降低的问题，本文提出一种融合多尺度分割的办法，使用不同尺度分割结果融合的结果作为最终分类的输入。
经过试验，此融合分割办法能无效的减少欠分割与过分割，提高面向对象的分类精度。
2017/1/9 19:47:19
710KB
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