该文献关于ct投影图像的噪声去除，主要引见了ct投影图像的噪声去除方法

MATLAB—经纬度坐标转换为平面坐标；
Mercator投影变换。
这个如果出现不合理转换请查看我的另一篇（正常是可以的）单点经纬度转换坐标，那个需求积分多一点（后台审核积分）。
博文中含有这几个坐标转换的文档解释

鱼眼镜头实际及设计著作。
其中实际部分详细分析了各种鱼眼镜头的不同投影模型，对于全景/全向摄像头的图像处理算法颇有助益。

激光投影显示通常需要解决光束整形匀化和散斑抑制的问题。
基于此，提出利用硅基液晶（LCoS）空间光调制器（SLM）同时解决上述问题的方法。
利用衍射光学元件（DOE）精细化设计思想设计所需整形DOE的相位分布，可以同时较好地控制采样点与采样点以外的光场强度分布，将圆形高斯分布照明激光束整构成平顶矩形光场；
在不同的初始相位条件下，设计得到的多幅DOE生成具有相同强度分布、不同相位分布的衍射图样。
当SLM依次调制出这些衍射图样，通过时间积分将这些衍射图样相叠加，不仅可以进一步提高光斑均匀性，同时还可以抑制散斑。
仿真结果表明，通过叠加16幅衍射图样，该方法可使照明光斑均匀性从74%提高到92.57%，屏幕上图样散斑对比度由0.991减小为0.2508。
该方法稳定性高，能耗低，且所用器件尺寸小，为微投影显示结构设计提供了有益参考。

支持多个椭球参数，批量数据进行高斯正算、高斯反算、换带计算，在vc++6.0下编译通过，精度满足地质、测量、地理信息零碎要求。

对老版本代码进行了调试，找了一个光谱的数据进行降维测试，效果不错，有需求的小伙伴下载吧，调试不易，谢谢支持。

本资源为英文版word文档，次要内容包括3D摄影与投影校准，3D扫描，结构光，点云等内容，适合初学3D扫描和重建的人

现有算法对于笔画中含有大量离散笔画点和附加部分的手写体文本,分割功能较低。
针对该问题,提出一种基于分段式前景涂抹和背景细化的文本行分割算法。
对前景部分实施分段式涂抹,并删除长宽比不满足条件的膨胀区域,以获得文本区域的定位,利用图像背景的细化获取文本行分割线,给出重心判定算法,从而解决上下文本行之间的文字重叠问题。
对210幅图片、2563个文本行进行实验,结果表明,该算法的出错率仅为3.3%,低于水平投影算法、分段式投影算法和聚类算法,能对文本行进行较为完整的分割。

第1章　导论　1　地理信息系统基本概念1.1　数据与信息1.2　地理信息与地理信息系统　2　GIS的基本构成2.1　系统硬件2.2　系统软件2.3　空间数据2.4　应用人员2.5　应用模型　3　GIS的功能简介3.1　基本功能3.2　应用功能　4　GIS的发展透视4.1　发展概况4.2　基础理论思考题第2章　地理信息系统的数据结构　1　地理空间及其表达1.1　地理空间的概念1.2　空间实体的表达　2　地理空间数据及其特征2.1　GIS的空间数据2.2　空间数据的基本特征2.3　空间数据的计算机表示　3　空间数据结构的类型3.1　矢量数据结构3.2　栅格数据结构3.3　矢量与栅格一体化数据结构3.4　矢量与栅格数据结构的比较　4　空间数据结构的建立4.1　系统功能与数据间的关系4.2　空间数据的分类和编码4.3　矢量数据的输入与编辑4.4　栅格数据的输入与编辑　　思考题第3章　空间数据的处理　1　空间数据的坐标变换1.1　几何纠正1.2　投影转换　2　空间数据结构的转换2.1由矢量向栅格的转换2.2　由栅格向矢量的转换　3　多源空间数据的融合3.1　遥感与GIS数据的融合3.2　不同格式数据的融合　4　空间数据的压缩与综合4.1　空间数据的压缩4.2　空间数据的综合　5　空间数据的内插方法5.1　点的内插5.2　区域的内插　6　图幅数据边沿婚配处理6.1　识别和检索相邻图幅的数据6.2　相邻图幅边界点坐标数据的婚配6.3　相同属性多边形公共界线的删除思考题第4章　地理信息系统空间数据库　1　空间数据库概述1.1　空间数据库的概念1.2　空间数据库的设计1.3　空间数据库的实现和维护　……第5章　空间分析的原理与方法第6章　地理信息系统的应用模型第7章　地理信息系统的设计与评价第8章　地理信息系统产品的输出设计附录　国家规范研究组建议的数据分类和项目总表参考文献

顶点成分分析算法是一种非监督的端元提取算法。
顶点成分分析法假设纯净像元存在，根据凸面几何原理，认为端元都位于单形体的顶点。
VCA算法通过将数据投影到一个正交的子空间方向计算投影距离值最大的像元，它就是要寻找的端元。
要不断进行迭代计算，直到所有的端元都被找到。
VCA的计算步骤为:①对图像数据进行降维处理，设定一个信噪比门限值SNRth，根据图像的信噪比与门限值对比大小分别采用主成分分析法(PCA)或者奇异值分解法(SVD)对图像数据进行降维;②利用随机生成的正态分布矩阵计算初始向量，将所有的像元点向初始向量方向投影，找到投影值最大的作为端元;③继续计算新的投影向量方向并进行迭代计算直到找出所有的端元，本资源实现了VCA算法来非监督提取端元,希望对研讨端元提取的朋友有用

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。