：提出一种ＳＡＲ图像目标识别新方法。
首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空间域和变换域去噪的优势，滤波性能优异。
在特征提取步骤，将低阶Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。
使用组合矩特征训练ＳＶＭ分类器，对含噪的ＳＡＲ图像进行识别实验。
实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目标识别方法
首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空间域和变换域去噪的优势，滤波性能优异。
在特征提取步骤，将低阶Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。
使用组合矩特征训练ＳＶＭ分类器，对含噪的ＳＡＲ图像进行识别实验。
实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目标识别方法
2023/12/21 8:25:57
607KB
1
图像特征提取代码，包括LBP、HOG、Haar、Zernike矩、Hu矩特征，.h文件有如何调用的详细说明，C/OpenCV程序
2023/7/29 1:51:45
18KB
1
如何有效校正随人群崎岖很大的人眼像差，提高视网膜高分辨率成像技术的人群适用范围是临床应用面临的最大难题。
现有的单一波前校正器无法同时清除高阶和低阶视觉像差。
针对人眼高阶像差校正需求，研制成功了169单元3mm极间距分立式压电变形镜，并与大行程Bimorph变形镜组合，建立了一套双变形镜的人眼视网膜成像系统。
系统可实现对离焦小于±4.5D、散光小于±3.0D的低阶像差及前8阶Zernike像差的有效校正，极大地提高了系统的人群适用范围和成像质量。
以低阶像差大小作为入选标准，进行小样本量人眼视网膜成像实验，获得了近衍射极限的视网膜图像。
该系统适用范围明确，便于后续临床应用。
现有的单一波前校正器无法同时清除高阶和低阶视觉像差。
针对人眼高阶像差校正需求，研制成功了169单元3mm极间距分立式压电变形镜，并与大行程Bimorph变形镜组合，建立了一套双变形镜的人眼视网膜成像系统。
系统可实现对离焦小于±4.5D、散光小于±3.0D的低阶像差及前8阶Zernike像差的有效校正，极大地提高了系统的人群适用范围和成像质量。
以低阶像差大小作为入选标准，进行小样本量人眼视网膜成像实验，获得了近衍射极限的视网膜图像。
该系统适用范围明确，便于后续临床应用。
2023/2/22 15:40:20
5.57MB
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