：随着遥感图像分辨率的日益提高，遥感图像的尺寸和数据量也不断地增大，同时随着遥感应用的发展，对图像配准的功能也提出越来越高的要求，基于此，提出一种特征级高分辨率遥感图像快速自动配准方法。
首先，对图像进行Haar小波变换，基于小波变换后的近似图像进行配准以提高配准速度；
其次，根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子，SAR图像使用Ratio Of Averages算子)，并将线特征转化为点特征；
然后，依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对；
最后，利用改进的随机抽样一致性算法滤除错误匹配点对，并结合分块思想均匀选取匹配点
首先，对图像进行Haar小波变换，基于小波变换后的近似图像进行配准以提高配准速度；
其次，根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子，SAR图像使用Ratio Of Averages算子)，并将线特征转化为点特征；
然后，依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对；
最后，利用改进的随机抽样一致性算法滤除错误匹配点对，并结合分块思想均匀选取匹配点
2023/3/12 6:32:02
11.58MB
1
这是前几天刚做的一个图像处理的大作业，给大家分享一下。
主要是实现了一些基本的图像处理的功能，并做了一个小界面，很简单。
基本功能有图像平滑（邻域平均法）、锐化（拉普拉斯）、二值、灰度化、腐蚀、膨胀、小波分解（只显示近似部分图像）、边缘提取、人脸识别（基于PCA）。
程序有两个，一个事GUI的，一个是人脸识别的（大家自己修改人脸库路径）。
论文（word和PDF都有）也在里面，希望对大家能有协助。
主要是实现了一些基本的图像处理的功能，并做了一个小界面，很简单。
基本功能有图像平滑（邻域平均法）、锐化（拉普拉斯）、二值、灰度化、腐蚀、膨胀、小波分解（只显示近似部分图像）、边缘提取、人脸识别（基于PCA）。
程序有两个，一个事GUI的，一个是人脸识别的（大家自己修改人脸库路径）。
论文（word和PDF都有）也在里面，希望对大家能有协助。
2023/2/14 1:51:56
1.82MB
1
语音及图像、视频信号的采集方法，在matlab环境下的输出，输出及保存方法。
Guide界面基本操作,Guide的M文件及回调函数的使用,Guide创建GUI的步骤及常用控件，实现语音信号的采集；
实现语音信号的显示与保存实现语音信号的快放、慢放功能，加噪、去噪功能。
利用Guide建立一个matlabGUI软件，实现多种图像格式的读取、显示。
利用GUI,实现多种图像格式的读取、保存、变换等操作；
实现多种图像边缘提取、结果保存等运算；
利用变换域方法进行声音、图像数据的分析，视频文件在GUI中播放，静止图像转化为视频文件。
Guide界面基本操作,Guide的M文件及回调函数的使用,Guide创建GUI的步骤及常用控件，实现语音信号的采集；
实现语音信号的显示与保存实现语音信号的快放、慢放功能，加噪、去噪功能。
利用Guide建立一个matlabGUI软件，实现多种图像格式的读取、显示。
利用GUI,实现多种图像格式的读取、保存、变换等操作；
实现多种图像边缘提取、结果保存等运算；
利用变换域方法进行声音、图像数据的分析，视频文件在GUI中播放，静止图像转化为视频文件。
2023/2/14 1:30:33
2.56MB
1
简单引见了边缘检测的原理，重点对具有代表性的图像边缘提取方法进行了讨论。
分析了这些算子进行边缘检测的优缺点，以及导致它们效果差异的具体原因
分析了这些算子进行边缘检测的优缺点，以及导致它们效果差异的具体原因
2023/1/19 16:49:07
355KB
1
C++代码，基于阴影的车辆假设区域生成，次要实现步骤：1.加载一张路面图片；
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2017/4/21 8:23:39
22.66MB
1
C++代码，基于阴影的车辆假设区域生成，次要实现步骤：1.加载一张路面图片；
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2.加权平均灰度图；
3.路面ROI提取（用于作为二值化分割的阈值提取）；
4.对路面ROI进行canny边缘提取；
5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；
6.对步骤5中得到的图片信息进行直方图处理；
7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；
8.根据标准差和均值信息得到二值化的阈值；
9.二值化处理，得到分割后的图像，得到所需要的车底阴影。
2017/4/21 8:23:39
22.66MB
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