传统的去噪方法往往假设含噪图像的有用信息处在低频区域，而噪声信息处在高频区域，从而基于中值滤波、Wiener滤波、小波变换等方法实现图像去噪，而实际上这种假设并不总是成立的。
基于图像的稀疏表示，近几年来研讨者们提出了基于过完备字典稀疏表示的图像去噪模型，其基本原理是将图像的稀疏表示作为有用信息，将逼近残差视为噪声。
利用K-SVD算法求得基于稀疏和冗余的训练字典，同时针对K-SVD算法仅适合处理小规模数据的局限，通过定义全局最优来强制图像局部块的稀疏性。
文献[28]提出了稀疏性正则化的图像泊松去噪算法，该算法采用log的泊松似然函数作为保真项，用图像在冗余字典下稀疏性约束作为正则项，从而取得更好的去噪效果。
基于图像的稀疏表示，近几年来研讨者们提出了基于过完备字典稀疏表示的图像去噪模型，其基本原理是将图像的稀疏表示作为有用信息，将逼近残差视为噪声。
利用K-SVD算法求得基于稀疏和冗余的训练字典，同时针对K-SVD算法仅适合处理小规模数据的局限，通过定义全局最优来强制图像局部块的稀疏性。
文献[28]提出了稀疏性正则化的图像泊松去噪算法，该算法采用log的泊松似然函数作为保真项，用图像在冗余字典下稀疏性约束作为正则项，从而取得更好的去噪效果。
2022/9/4 0:28:02
2.07MB
1
安卓微信中播放视频时总是会自动在新窗口全屏播放视频，而且播放结束后自动推送多个视频列表展现给用户选择，但有时候我们就是需要视频能够局部区域播放，找了一年多的答案终于有了结果了
2022/9/3 20:25:47
82KB
1
:受烟花爆炸现象的启发并结合遗传算法思想提出一种新的优化算法———带有遗传算子的烟花爆炸优化算法(GAFEO)。
该算法主要模拟烟花爆炸的方式对解空间进行基本的并行弥漫式爆炸搜索,引入自适应局部搜索策略和遗传算法中的交叉变异策略以改善算法的优化功能。
通过实验对12个常用高维测试函数进行优化计算,结果表明,与PSO算法以及其他新型算法相比,GAFEO算法在寻优能力、寻优精度等方面都具有较好的功能。
该算法主要模拟烟花爆炸的方式对解空间进行基本的并行弥漫式爆炸搜索,引入自适应局部搜索策略和遗传算法中的交叉变异策略以改善算法的优化功能。
通过实验对12个常用高维测试函数进行优化计算,结果表明,与PSO算法以及其他新型算法相比,GAFEO算法在寻优能力、寻优精度等方面都具有较好的功能。
2022/9/2 23:55:19
163KB
1
ASTERGDEM数据由日本METI和美国NASA联合研制并免费面向公众分发。
ASTERGDEM数据产品基于“先进星载热发射和反辐射计(ASTER)”数据计算生成，是目前独一覆盖全球陆地表面的高分辨率高程影像数据。
自2009年6月29日V1版ASTERGDEM数据发布以来，在全球对地观测研究中取得了广泛的应用。
但是，ASTERGDEMV1原始数据局部地区存在异常，所以由ASTERGDEMV1加工的数字高程数据产品也存在个别区域的数据异常现象。
ASTERGDEMV2版则采用了一种先进的算法对V1版GDEM影像进行了改进，提高了数据的空间分辨率精度和高程精度。
该算法重新处理了1,500,000幅影像，其中的250，000幅影像是在V1版GDEM数据发布后新获取的影像。
日本METI和美国NASA两个机构对V2版GDEM的数据精度进行了验证，结果显示V2版对V1版中存在的错误做了很好的矫正。
此资源将山东地区所有DEM已经打包下载完成
ASTERGDEM数据产品基于“先进星载热发射和反辐射计(ASTER)”数据计算生成，是目前独一覆盖全球陆地表面的高分辨率高程影像数据。
自2009年6月29日V1版ASTERGDEM数据发布以来，在全球对地观测研究中取得了广泛的应用。
但是，ASTERGDEMV1原始数据局部地区存在异常，所以由ASTERGDEMV1加工的数字高程数据产品也存在个别区域的数据异常现象。
ASTERGDEMV2版则采用了一种先进的算法对V1版GDEM影像进行了改进，提高了数据的空间分辨率精度和高程精度。
该算法重新处理了1,500,000幅影像，其中的250，000幅影像是在V1版GDEM数据发布后新获取的影像。
日本METI和美国NASA两个机构对V2版GDEM的数据精度进行了验证，结果显示V2版对V1版中存在的错误做了很好的矫正。
此资源将山东地区所有DEM已经打包下载完成
2021/4/16 8:17:11
213B
1
花钱买的，六个局部组成.├──ISO11898-12015.12.15.pdf├──ISO11898-22016.12.15.pdf├──ISO11898-32006.06.01.pdf├──ISO11898-42004.08.01.pdf├──ISO11898-52007.06.15.pdf└──ISO11898-62013.11.01.pdf
2017/8/4 4:20:31
94.45MB
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