辐射定标是光学遥感信息定量化的关键技术之一。
随着高分辨光学遥感器定量化应用的发展，在轨绝对辐射定标精度的要求也越来越高。
提出了一种基于多灰阶靶标的在轨定标方法，采用实际测量的漫射辐照度与总辐照度比来代替辐射传输计算的气溶胶散射，同时布设高反射率靶标以提高辐射定标精度。
初步试验结果表明，基于多灰阶靶标的高分辨率光学卫星传感器在轨绝对辐射定标方法，对假定的理论模型依赖较少，能够实现全动态范围的高精度定标，不确定度优于4%，而且满足复杂环境条件的应用要求。
随着高分辨光学遥感器定量化应用的发展，在轨绝对辐射定标精度的要求也越来越高。
提出了一种基于多灰阶靶标的在轨定标方法，采用实际测量的漫射辐照度与总辐照度比来代替辐射传输计算的气溶胶散射，同时布设高反射率靶标以提高辐射定标精度。
初步试验结果表明，基于多灰阶靶标的高分辨率光学卫星传感器在轨绝对辐射定标方法，对假定的理论模型依赖较少，能够实现全动态范围的高精度定标，不确定度优于4%，而且满足复杂环境条件的应用要求。
2023/8/25 20:43:25
1.5MB
1
自计算机视觉产生开始，视觉信息则自动成为其处理的对象。
纹理特征作为视觉信息的重要部分，成为图像特征提取的重点。
针对纹理特征提取中，传统LBP算法作为一种基于灰度的算法，仅仅局限对低分辨率图片，其识别率通常比较低的问题，提出一种基于小波变换的LBP算法。
该算法利用小波变换的局部特性、方向性和多方向性等特点，并结合LBP算法自身具有的旋转不变形、灰度不变形等特点，从而通过小波变换对高分辨率图片的分解，再通过局部二值模式的优势，从而实现对图像纹理特征的提取。
最后通过MATLAB软件编程与ORL数据库的对比测试，改进算法的识别率明显优于传统LBP算法。
纹理特征作为视觉信息的重要部分，成为图像特征提取的重点。
针对纹理特征提取中，传统LBP算法作为一种基于灰度的算法，仅仅局限对低分辨率图片，其识别率通常比较低的问题，提出一种基于小波变换的LBP算法。
该算法利用小波变换的局部特性、方向性和多方向性等特点，并结合LBP算法自身具有的旋转不变形、灰度不变形等特点，从而通过小波变换对高分辨率图片的分解，再通过局部二值模式的优势，从而实现对图像纹理特征的提取。
最后通过MATLAB软件编程与ORL数据库的对比测试，改进算法的识别率明显优于传统LBP算法。
2023/7/30 13:38:49
730KB
1
异步计时器Rust异步故事的计时器功能最低Rust版本：1.36准确性不依赖异步事件循环的常规计时器通常与tokio用户空间计时器处于同等水平。
如果这不适合您，则应启用基于事件循环的计时器，在大多数情况下，该计时器将为您提供在UNIX平台上可能最准确的计时器（请参阅功能）。
特征tokio1使用tokio启用基于事件循环的计时器，从而在unix平台上提供更高分辨率的计时器。
c_wrapper使用C填充程序创建到平台API的绑定，该绑定可能比libc更可靠。
std启用std类型的使用（例如Error）stream-启用Stream实施Interval例子定时的asyncfnjob(){}asyncfndo_job(){letwork=unsafe{async_timer::Timed::plat
如果这不适合您，则应启用基于事件循环的计时器，在大多数情况下，该计时器将为您提供在UNIX平台上可能最准确的计时器（请参阅功能）。
特征tokio1使用tokio启用基于事件循环的计时器，从而在unix平台上提供更高分辨率的计时器。
c_wrapper使用C填充程序创建到平台API的绑定，该绑定可能比libc更可靠。
std启用std类型的使用（例如Error）stream-启用Stream实施Interval例子定时的asyncfnjob(){}asyncfndo_job(){letwork=unsafe{async_timer::Timed::plat
2023/7/21 21:13:25
26KB
1
多图像超分辨率的实现主要就是将具有相似而又不同却又互相补充信息的配准影像融到一起，得到非均匀采样的较高分辨率数据，复原需要亚像素精度的运动矢量场，然而它们之间的运动模型估计精确与否直接影响到重建的效果，因此影像配准和运动模型的估计精度是高分辨率图像重建的关键。
由于实际中不同时刻获得的影像数据间存在较大的变形、缩放、旋转和平移，因此必须对其进行配准，在此基础上进行运动模型估计。
然后通过频率域或空间域的重建处理，生成均匀采样的超分辨率数据
由于实际中不同时刻获得的影像数据间存在较大的变形、缩放、旋转和平移，因此必须对其进行配准，在此基础上进行运动模型估计。
然后通过频率域或空间域的重建处理，生成均匀采样的超分辨率数据
2023/7/10 17:15:09
139KB
1
这不是中文版，但压缩包里面有TrueRTA3.03汉化版，这是为了一些英文不够的同学给于参考。
TrueRTA3.5.5版功能比3.03版加强了很多。
个人觉得TrueRTA比SpectraRTA和SpectraLAB更好用。
TrueRTA3.5.5具备基本声频功能的PC作为测试和评测音频系统的基于软件的音频分析器.TureRTA中的工具包括轻度失真信号发生器,数字电平表,振幅仪,双轨示波和高分辨率实时音频频谱分析器.TrueRTA将你的PC变为强大的音频频谱分析器。
包中文件：TrueRTA3.0.3汉化参考.exeTrueRTAV3.3.2Reg-ArChiVeSTeam.exeTrueRTA_setup3.5.5.exe说明.txt
TrueRTA3.5.5版功能比3.03版加强了很多。
个人觉得TrueRTA比SpectraRTA和SpectraLAB更好用。
TrueRTA3.5.5具备基本声频功能的PC作为测试和评测音频系统的基于软件的音频分析器.TureRTA中的工具包括轻度失真信号发生器,数字电平表,振幅仪,双轨示波和高分辨率实时音频频谱分析器.TrueRTA将你的PC变为强大的音频频谱分析器。
包中文件：TrueRTA3.0.3汉化参考.exeTrueRTAV3.3.2Reg-ArChiVeSTeam.exeTrueRTA_setup3.5.5.exe说明.txt
2023/7/8 2:01:24
2.66MB
1
：高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行，而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷．基于区域的面向对象影像分析方法，为高分辨率遥感影像信息提取提供了新的思路，其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割．本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法．影像分割试验结果表明：该方法可以根据任意特定尺度下的影像分析任务或任意感兴味尺度的地物目标，调整影像分割的尺度参数，从而获得特定尺度下感兴味的影像区域(对象)作为后续面向对象影像分析和应用的基础
2023/3/19 12:13:18
300KB
1
总结-图像配准算法，图像配准定义，图像配准分类，基于图像灰度的配准方法，基于特征点的配准方法，基于小波变换的遥感图像自动配准算法，高分辨率SAR影像同名点自动婚配技术......
2023/3/14 6:30:22
237KB
1
：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
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