高分辨sar成像cbp与pfa算法研讨.pdf
2018/1/3 17:49:13 1.21MB 文档资料
1
机载多发多收合成孔径雷达(MIMO-SAR)可以实现高分辨成像,但不可避免的存在运动误差补偿的问题。
对多子带并发的机载MIMO-SAR系统进行研究,首先建立并分析了MI-MO-SAR运动误差模型;然后提出了一种扩展的MIMO-SAR运动补偿距离徙动算法(RMA),通过改进的Stolt映射将距离徙动校正与方位向聚焦分开,并结合两步运动补偿技术对MIMO-SAR回波数据的运动误差进行校正,消除了运动误差带来的影响;最初在空频域对各子带信号进行带宽合成实现了距离向高分辨。
用该算法对散射点目
2021/3/18 16:51:04 756KB 工程技术 论文
1
本文采用两种改进的算法:基于HSV的小波融合算法(HSV-WT)、基于区域特征的自适应小波包融合算法(AWP)分别对多光谱LandSatTM数据与全色SPOT-5数据、TM数据与ERS-2的合成孔径雷达SAR数据进行融合.融合结果表明两种改进算法融合后的数据在保持光谱信息和提高空间细节信息两方面均得到提高.当应用两种方法对同一组数据进行处理时,AWP的功能参数优于HSV-WT.这两种算法相对传统小波算法,能克服对高频信息处理的缺陷,突破待融合数据的分辨率比值限制,实现分辨率之比非2n的数据融合.
2019/7/10 3:36:03 1.85MB 改进算法 数据融合 小波算法 HSV
1
图像拼接在制造全景图的过程中具有重要作用。
对多幅图像进行特定模式投影后,用约束的相位相关度法求取水平垂直偏移量,然后寻找最佳缝合线,实现图像拼接,最后采用多分辨率算法对全图进行拼接处理去除曝光差异和鬼影
2016/11/25 18:08:04 354KB 图像拼接
1
HTML5青蛙吃苍蝇小游戏,自顺应分辨率,兼容pc端和移动端,背景音乐开启关闭功能白天和晚上两种游戏背景,直接上传空间目录即可HTML5青蛙吃苍蝇小游戏,自顺应分辨率,兼容pc端和移动端,背景音乐开启关闭功能白天和晚上两种游戏背景,直接上传空间目录即可!网盘下载地址项目描述HTML5青蛙吃苍蝇小游戏运行环境浏览器项目技术(必填)HTML/CSS/JSHTML5青蛙吃苍蝇小游戏代码,自顺应分辨率,兼容PC端和移动端,背景音乐开启关闭功能,白天晚上两种游戏背景。
青蛙吃蚊子小游戏源码_自顺应手机端HTML5青蛙吃蚊青蛙吃苍蝇HTML5小游戏评分:HTML5青蛙吃苍蝇小游戏代码,自顺应分辨率,兼容PC端和移动端,背景音乐开启关闭功能,白天晚上两种游戏背景。
html5小游戏,html5小游戏,html5小游戏源码,html5小游戏代码,html5小游戏源代码,html5网页小游戏
1
数据融合matlab代码自适应加权学习网络的轻量图像超分辨率王朝峰,李振和石军,“具有自适应加权学习网络的轻量图像超分辨率”,该代码基于依存关系的Python3.5PyTorch>=0.4.0麻木skimage意象matplotlibtqdm代码 gitclonegit@github.com:ChaofWang/AWSRN.git cdAWSRN抽象的近年来,深度学习已以出色的功能成功地应用于单图像超分辨率(SISR)任务。
但是,大多数基于卷积神经网络的SR模型都需要大量计算,这限制了它们在现实世界中的应用。
在这项工作中,为SISR提出了一种轻量级SR网络,称为自适应加权超分辨率网络(AWSRN),以解决此问题。
在AWSRN中设计了一种新颖的局部融合块(LFB),用于有效的残差学习,它由堆叠的自适应加权残差单元(AWRU)和局部残差融合单元(LRFU)组成。
此外,提出了一种自适应加权多尺度(AWMS)模块,以充分利用重建层中的特征。
AWMS由几个不同的尺度卷积组成,并且可以根据AWMS中针对轻量级网络的自适应权重的贡献来删除冗余尺度分
2018/6/1 12:43:36 3.95MB 系统开源
1
基于深度神经网络的变化检测与分析,张普照,公茂果,变化检测与分析是空时遥感影像联合解译领域中的一个重要研讨课题。
随着遥感影像时间、空间和光谱分辨率的提高,仅仅检测变化与否?
1
matlab插值代码解释FSRCNN由Pytorch和Matlab复制《加速超分辨率卷积神经网络》(CVPR2016)论文。
依存关系Matlab2016火炬1.0.0解释论文作者url:提供的一些Matlab代码。
使用两种语言进行项目的次要原因是因为双三次插值的实现方式不同,这导致使用PSNR标准时结果的差异更大。
概述网络概述和与SRCNN的比较:用法使用./data_pro/data_aug.m进行扩充。
使用./data_pro/generate_train.m生成train.h5。
使用./data_pro/generate_test.m生成test.h5。
乘坐train.py火车:pythontrain.py将Pytorch模型.pkl转换为Matlab矩阵.mat。
(weights.pkl->weights.mat)pythonconvert.py使用./test/demo_FSRCNN.m获得结果。
结果使用./model/weights.mat可以得到结果:Set5平均:重建PSNR=32.52dBVS双三次PSNR
2017/10/8 20:19:39 7.89MB 系统开源
1
MNIST数据集是一个手写阿拉伯数字图像识别数据集,图片分辨率为20x20灰度图图片,包含‘0-9’十组手写手写阿拉伯数字的图片。
其中,训练样本60000,测试样本10000,数据为图片的像素点值,作者曾经对数据集进行了压缩。
2017/7/22 9:43:20 10.16MB 数据集
1
基于E2ESOFTVCamAPI写的python虚拟摄像头模块使用环境windowspython3.6暂时只静态图像显示,支持设置分辨率镜像翻转注册设置默认图像设备名称修改等基本功能放在项目目录下可直接导入使用前需求安装SDK里的驱动sdk下载地址https://www.e2esoft.com/download/vcam-sdk
2016/3/22 23:12:44 180KB python VCam api
1
共 633 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡