高光谱解混数据集（JapserRidge），matlab的mat文件。
原始数占有512x614个像素。
每一个像素记其实规模从380nm到2500nm的224个通道中。
光谱分说率高达9.46nm。
由于这个高光谱图像太繁杂而没法患上到底子梦想，于是咱们思考100x100像素的子图像。
第一像素从原始图像中的第（105,269）像素末了。
在移除了通道1--3,108-112,154-166以及220-224后（由于密集的水蒸气以及大气效应），咱们留存了198个通道（这是HU阐发的罕有预处置）。
原始数占有512x614个像素。
每一个像素记其实规模从380nm到2500nm的224个通道中。
光谱分说率高达9.46nm。
由于这个高光谱图像太繁杂而没法患上到底子梦想，于是咱们思考100x100像素的子图像。
第一像素从原始图像中的第（105,269）像素末了。
在移除了通道1--3,108-112,154-166以及220-224后（由于密集的水蒸气以及大气效应），咱们留存了198个通道（这是HU阐发的罕有预处置）。
2023/5/6 19:12:01
2.88MB
1
matlab自身自带的SVM有缺陷，libsvm使用起来省事，本法度圭表标准使患上你只用两行代码就能搞定图像的分类，约莫轻松。
感兴趣的能够上来试一下，由于代码是自己钻研课题中的一部份，临时不便捷果真，但巨匠大概便捷地使用。
假如有甚么BUG，驱散留言，我会举行更新。
感兴趣的能够上来试一下，由于代码是自己钻研课题中的一部份，临时不便捷果真，但巨匠大概便捷地使用。
假如有甚么BUG，驱散留言，我会举行更新。
2023/4/15 11:32:24
17.52MB
1
高光谱图像数据集，搜罗Indian,Pavia。
每一类数据集里搜罗图像原始信息，以及相对于应的groundtruth。
每一类数据集里搜罗图像原始信息，以及相对于应的groundtruth。
2023/4/15 9:36:34
43.43MB
1
【项目代码】利用MATLAB对高高光谱图像数据进行分析，程序很全面，对做高光谱的同志很有协助哦.rar
2023/2/12 1:44:08
25.55MB
1
包含常用的几种高光谱数据，可以用于遥感图像分类。
WashingtonDCMal,IndianPine等。
ndianPines是最早的用于高光谱图像分类的测试数据，由机载可视红外成像光谱仪（AVIRIS）于1992年对美国印第安纳州一块印度松树进行成像，然后截取尺寸为145×145的大小进行标注作为高光谱图像分类测试用途。
Pavia University数据是由德国的机载反射光学光谱成像仪（Reflective OpticsSpectrographicImagingSystem，ROSIS-03）在2003年对意大利的帕维亚城所成的像的一部分高光谱数据。
该光谱成像仪对0.43-0.86μm波长范围内的115个波段连续成像，所成图像的空间分辨率为1.3m。
其中12个波段由于受噪声影响被剔除，因而一般使用的是剩下103个光谱波段所成的图像。
该数据的尺寸为610×340，因而共包含2207400个像素，但是其中包含大量的背景像素，包含地物的像素总共只有42776个，这些像素中共包含9类地物，包括树、沥青道路（Asphalt）、砖
WashingtonDCMal,IndianPine等。
ndianPines是最早的用于高光谱图像分类的测试数据，由机载可视红外成像光谱仪（AVIRIS）于1992年对美国印第安纳州一块印度松树进行成像，然后截取尺寸为145×145的大小进行标注作为高光谱图像分类测试用途。
Pavia University数据是由德国的机载反射光学光谱成像仪（Reflective OpticsSpectrographicImagingSystem，ROSIS-03）在2003年对意大利的帕维亚城所成的像的一部分高光谱数据。
该光谱成像仪对0.43-0.86μm波长范围内的115个波段连续成像，所成图像的空间分辨率为1.3m。
其中12个波段由于受噪声影响被剔除，因而一般使用的是剩下103个光谱波段所成的图像。
该数据的尺寸为610×340，因而共包含2207400个像素，但是其中包含大量的背景像素，包含地物的像素总共只有42776个，这些像素中共包含9类地物，包括树、沥青道路（Asphalt）、砖
2023/2/11 2:19:13
195MB
1
这是一个用于全色图像和多光谱图像融合的C++代码，代码齐全，有原图像，运转就能得到融合结果，而且里面有多种融合方法。
2019/6/5 19:51:16
3.6MB
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