资源列表
6S-model
- 大气校正6S模型算法,是一种遥感影像大气校正算法,是目前校正精度比较高的算法。-Atmospheric correction 6S model algorithm
Online_ExtremeLearningMachine(ELm)
- 一般的ELM只能进行离线的训练和学习。这里有一个官网给的,在线ELM,能在线学习。能学习实时的数据,从而模型有鲁棒性能。适合做分类识别-ELM can only be used for offline training and learning. Here is an official website to the online ELM, can learn online. Can learn real-time data, so the model has a robust performan
GS
- 决战非常稀有的一款全能型工具,他能够编辑决战客户端全部的图像文件 与读取查看保存。-决战非常稀有的一款全能型工具,他能够编辑决战客户端全部的图像文件 与读取查看保存。
DrosteEffect-BrewerMap-96d1503
- BREWERMAP提供ColorBrewer色彩分析,特别是用于映射和绘制有吸引力,可区分的颜色。-BREWERMAP provide ColorBrewer color analysis, particularly for mapping and rendering attractive, can distinguish colors.
Feature-point-classification
- 图形图像处理与机器视觉以及MATLAB的图像化用户界面设计以及surf算法-Graphic image processing and machine vision as well as MATLAB graphical user interface design and surf algorithm
Freeman
- Freeman分解,极化SAR的分解的一种-Freeman Deposition
wgttut_5.0
- 图形色彩量子化及材质压缩程序源代码,代码简单可运行,适合初学者-Graphic color quantization and texture compression source code,The code is easy and adopt to the newer.
RLE
- 对图像进行压缩和解码的程序,nenggoujiaohaodeshixianjiema-Application of image compression and decoding
rgb2hsi
- rgb到hsi空间的转化的源程序代码,能够帮助解决空间转化的问题-Transformation of RGB to hsi space of the source code, can help solve the problem of space transformation
one
- 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状 特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based
two
- :植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而,低维特征不能全面描述叶片信息,识别准确率低,本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征,对纹理图像提取分形维数,共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相
straight-line-cutting
- 可实现在固定矩形区域内对任意直线进行裁剪。-It can be achieved within a fixed rectangular area for any straight line cutting.