搜索资源列表
ImageRegistration.rar
- 基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、
SpectrumAbsorptionBandDectetion
- 这是一个利用导数光谱分析的方法检测特征吸收波段的源代码，可供从事高光谱图像处理的朋友分享。-This is a use of derivative spectroscopy method of the characteristic absorption band of the source code, available to engage in high-spectral image processing share.
duoguangputuxiangpeizhun
- 本文针对多光谱图像配准中不同光谱图像间存在较大的灰度差异、同一景 物在不同波段表现的特征也各不相同等问题，提出了基于互信息相似性测度的 多光谱图像配准算法。-In this paper, multi-spectral image registration between images in different spectral gray there is a big difference, the same scene in different performance character
Visual.Assist.X.v10.5.1715.0
- 本文针对多光谱图像配准中不同光谱图像间存在较大的灰度差异、同一景物在不同波段表现的特征也各不相同等问题，提出了基于互信息相似性测度的多光谱图像配准算法。-In this paper, multi-spectral image registration between different spectral image there is a big difference in gray scale, the same scene in different bands performance char
LMS11
- 本文针对多光谱图像配准中不同光谱图像间存在较大的灰度差异、同一景物在不同波段表现的特征也各不相同等问题，提出了基于互信息相似性测度的多光谱图像配准算法。-In this paper, multi-spectral image registration between different spectral image there is a big difference in gray scale, the same scene in different bands performance char
ARMA222
- 本文针对多光谱图像配准中不同光谱图像间存在较大的灰度差异、同一景物在不同波段表现的特征也各不相同等问题，提出了基于互信息相似性测度的多光谱图像配准算法。-In this paper, multi-spectral image registration between different spectral image there is a big difference in gray scale, the same scene in different bands performance char
RDPC
- 用遗传算法( Genetic Algorithm，GA) 搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光 谱区间及波长，并建立了支持向量机( Support Vector Machines，SVM) 定性分析模型。实验供试农药为灭多威、 氰戊菊酯和氧乐果3 种。通过GA 来搜寻整个波段范围( 460 ～ 1 800 nm) ，将得到的9 个最佳特征光谱区间所 包含的波长( 共318 个) 作为SVM 建模的输入变量，对识别被3 种农药污染脐橙的准确率为100 。并继续应
AP_cluster
- 对波段样本进行划分并选取特征波段之后使用最小二乘算法建立预测模型-Samples were divided on the band and select the feature band after forecasting models using least squares algorithm
myuve
- 使用uve算法进行特征波段提取，并建立预测模型-Bands with uve algorithm to extract features and build predictive models
FeatureExtraction-(1)
- 绿色植物具有明显的光谱反射特征,而这种特征与植被的发育、健康状况以及生长条件密切相关。传统的宽波段、多光谱遥感数据对于植被的研究仅限于一般性的红光吸收特征和近红外的反射特征[1-3],以及中红外的水吸收特征[4-6]。高光谱遥感通过对不同类型植被的生物物理化学成分含量的估算能获得较为理想的植被生态学信息,并在提取植被信息中得到大量的应用和研究[7-10]。高光谱遥感器的出现为改进现有的分类算法,进一步提高植被分类精度提供了可能。高光谱遥感技术已经应用于湿地分类、边界、水体、湿地植被和湿地生境因子
Edge-image-registration
- 图像配准是多传感器图像融合研究中的一项关键技术。多传感器图像特别是波段相距较远的相 关性较小的图像，要实现图像配准存在很大的困难。对于能够用仿射变换模型来描述的图像，图像之间比较 明显的特征是各个物体之间的边缘．该文研究利用小波变换的方法提取图像的边缘，并对边缘图像作交互方 差分析，搜索出最佳交互方差的配准参数。通过对SPOT和TM图像的处理，达到了精度较高的配准效 果．-Image registration is a key technology in the study o
Histogram_Matching
- 这是笔者做实验的源码，辛辛苦写了一个月。在现在直方图匹配算法的基础上修改实现分段直方图去云，该算法目前可以正常运行，效果虽然不是很好，但是，算法考虑了很多的因素。如：考虑了遥感影像四个波段的波谱曲线的特征、考虑了地物的典型波谱曲线，考虑了地物的信息代表性等，所以实验对相关研究具有重要的参考意义。-This is the author experiment source code, Cincinnati hard to write for a month. In the present histo
Hyperspectral-anomaly-detection-1
- 这是一个基于波段子集特征融合的高光谱图像异常检测算法，研究高光谱目标检测的同学可以参考一下。-This is an image-based anomaly detection algorithm for hyperspectral subset of feature fusion band, hyperspectral target detection research students can refer to it.
band-selection
- 基于图像对比度和波段相关性的波段选择算法，适用于高光谱图像的特征选择-Bands selection algorithm based on image contrast and correlation of bands for hyperspectral image feature selection
SAMunsuperviesed
- 关于支持向量机的非监督分类方法。利用波段特征度图片进行处理，并最终识别并分类图像中的物品-Unsupervised classification method on support vector machine. The use of the band characteristics of image processing, and ultimately identify and classify objects in the image