改進的顏色聚合向量提取程序 該函數(shù)提取的向量分三列第一列是顏色區(qū)間的聚合面積，第二列是顏色區(qū)間剩余像素面積， 第三列是新增列，代表聚合面積所在的位置信息（把圖像分成十六個子塊，聚合區(qū)域的中心點所在的子塊）
上傳時間： 2013-12-23
上傳用戶：王楚楚
提出了一種基于相似度函數(shù)的自適應(yīng)加權(quán)中值濾波算法。該方法首先通過噪聲檢測確定圖像中的噪聲點,然后 根據(jù)窗口內(nèi)噪聲點的個數(shù)自適應(yīng)地調(diào)整濾波窗口的尺寸,并根據(jù)相似度大小,巧妙地將濾波窗口內(nèi)各個像素點自適應(yīng)分 組并賦予相應(yīng)的權(quán)重,最后對檢測出的噪聲點進行加權(quán)中值濾波。計算機模擬實驗結(jié)果表明:該算法既能有效地濾除噪 聲,又能較好地保護圖像細(xì)節(jié),比標(biāo)準(zhǔn)中值濾波具有更優(yōu)良的濾波性能。
上傳時間： 2017-08-06
上傳用戶：lizhizheng88
本書共分17章，第一章介紹了圖像處理的基本知識，第二章介紹了圖像處理編程的基本知識，以后各章分別介紹了區(qū)域分割與目標(biāo)提取、邊緣檢測與提取、圖像平滑、圖像增強、特征選擇與描述、彩色變換、彩色分割、幾何變換、Hough變換、頻率變換、小波變換、模式識別、神經(jīng)網(wǎng)絡(luò)、遺傳算法、圖像壓縮的基本知識和應(yīng)用實例，并且都附有相應(yīng)的C語言圖像處理程序。提供有一個Visual C++的學(xué)習(xí)版框架源程序和專業(yè)版演示程序，光盤里還附有專業(yè)版圖像處理軟件介紹和圖像處理的工程應(yīng)用介紹。
標(biāo)簽： 分
上傳時間： 2017-08-23
上傳用戶：腳趾頭
實現(xiàn)sar的靜止目標(biāo)的回波模型，并用rda算法實現(xiàn)壓縮和成像
上傳時間： 2017-09-25
上傳用戶：黃華強
function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta) %[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta) %該函數(shù)用有限差分法求解有兩種介質(zhì)的正方形區(qū)域的二維拉普拉斯方程的數(shù)值解 %函數(shù)返回迭代因子、迭代次數(shù)以及迭代完成后所求區(qū)域內(nèi)網(wǎng)格節(jié)點處的值 %a為正方形求解區(qū)域的邊長 %r1,r2分別表示兩種介質(zhì)的電導(dǎo)率 %up,under分別為上下邊界值 %num表示將區(qū)域每邊的網(wǎng)格剖分個數(shù) %deta為迭代過程中所允許的相對誤差限 n=num+1; %每邊節(jié)點數(shù) U(n,n)=0; %節(jié)點處數(shù)值矩陣 N=0; %迭代次數(shù)初值 alpha=2/(1+sin(pi/num));%超松弛迭代因子 k=r1/r2; %兩介質(zhì)電導(dǎo)率之比 U(1,1:n)=up; %求解區(qū)域上邊界第一類邊界條件 U(n,1:n)=under; %求解區(qū)域下邊界第一類邊界條件 U(2:num,1)=0;U(2:num,n)=0; for i=2:num U(i,2:num)=up-(up-under)/num*(i-1);%采用線性賦值對上下邊界之間的節(jié)點賦迭代初值 end G=1; while G>0 %迭代條件：不滿足相對誤差限要求的節(jié)點數(shù)目G不為零 Un=U; %完成第n次迭代后所有節(jié)點處的值 G=0; %每完成一次迭代將不滿足相對誤差限要求的節(jié)點數(shù)目歸零 for j=1:n for i=2:num U1=U(i,j); %第n次迭代時網(wǎng)格節(jié)點處的值 if j==1 %第n+1次迭代左邊界第二類邊界條件 U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j)); end if (j>1)&&(j U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j)); U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的網(wǎng)格節(jié)點處的值 end if i==n+1-j %第n+1次迭代兩介質(zhì)分界面（與網(wǎng)格對角線重合）第二類邊界條件 U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1))); end if j==n %第n+1次迭代右邊界第二類邊界條件 U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j)); end end end N=N+1 %顯示迭代次數(shù) Un1=U; %完成第n+1次迭代后所有節(jié)點處的值 err=abs((Un1-Un)./Un1);%第n+1次迭代與第n次迭代所有節(jié)點值的相對誤差 err(1,1:n)=0; %上邊界節(jié)點相對誤差置零 err(n,1:n)=0; %下邊界節(jié)點相對誤差置零 G=sum(sum(err>deta))%顯示每次迭代后不滿足相對誤差限要求的節(jié)點數(shù)目G end
標(biāo)簽： 有限差分
上傳時間： 2018-07-13
上傳用戶：Kemin
在選用地球同步軌道衛(wèi)星、浮空氣球平臺等相對地面靜止的平臺對某一區(qū)域進行長時間定點凝視高分辨遙感成像時，傳統(tǒng)的微波凝視成像，由于橫向分辨率受限于天線孔徑，分辨率不高，SAR和ISAR能夠獲得橫向上的高分辨但是二者橫向分辨率的獲得依賴于雷達(dá)與目標(biāo)的相對運動，限制了其在上述場合的應(yīng)用。因此探索一種能夠?qū)崿F(xiàn)凝視條件下的高分辨成像方法是十分必要的本文研究了一種全新的微波凝視成像方法—基于時空隨機輻射場的微波凝視成像方法，進行了高分辨成像的初步探索，在理論上基于時空隨機輻射場的微波凝視成像方法獲得的空間分辨率可以突破天線孔徑的限制，大大提高了分辨率首先論文研究了基于時空隨機輻射場的微波凝視成像新方法的基本原理提出時空兩維隨機分布的輻射場是實現(xiàn)高分辨微波凝視成像的前提：分析了在時空隨機輻射場作用下，目標(biāo)信息提取與解耦的方法：將接收到的散射回波和與之相對應(yīng)的時空隨機輻射場進行強度關(guān)聯(lián)處理其次論文詳細(xì)討論了基于時空隨機輻射場的微波凝視成像的成像過程，建立了從信號產(chǎn)生，輻射，散射，接收到關(guān)聯(lián)處理的成像模型。深入分析了成像過程中信號的相關(guān)變化：從兩個過程步建立了時空隨機輻射場與輻射源的關(guān)系的模型：（1）推導(dǎo)了輻射源與時空隨機分布口面場的關(guān)系，（2）建立了口面場經(jīng)空間傳播后的時空隨機輻射場的數(shù)學(xué)模型：推導(dǎo)了隨機輻射場下的散射場表達(dá)式：提出了微波強度關(guān)聯(lián)為基于時空隨機輻射場下的目標(biāo)信息提取以及解的方法最后論文研究了基于時空隨機輻射場的微波凝視成像中隨機輻射源的特性。詳細(xì)討論了輻射源分別輻射理想的隨機信號，帶限隨機信號下時空隨機特性：分析了輻射源的空間構(gòu)型（輻射源的個數(shù)和輻射源的口徑）對輻射場時空隨機性的影響：從整個成像的角度，推導(dǎo)了隨機輻射源的參數(shù)對基于時空隨機輻射場的微波凝視成像的影響。
標(biāo)簽： 輻射場
上傳時間： 2022-03-14
上傳用戶：
光電跟蹤系統(tǒng)的組成框圖如圖3-1 所示，從獨立功能單體上分主要由激光測距儀、電視跟蹤儀、紅外跟蹤儀組成；從功能模塊分主要有傳感器模塊、轉(zhuǎn)臺及測角和信息處理單元組成。其中電視攝像儀、紅外熱像儀和激光測距主機為傳感器模塊，激光信息處理機、圖像跟蹤處理器、伺服控制和信息管理機為信息處理單元。圖2-1 光電跟蹤系統(tǒng)組成框圖光電跟蹤系統(tǒng)信息處理采用融合技術(shù)。在光電跟蹤系統(tǒng)中，信息管理機、電視/紅外圖像跟蹤處理器、激光信息處理機和伺服控制為信息處理單元。信息管理機既負(fù)責(zé)光電跟蹤系統(tǒng)和火控臺之間信息的交換，又負(fù)責(zé)光電跟蹤系統(tǒng)內(nèi)部各信息處理單元之間的信息融合和數(shù)據(jù)交流;圖像跟蹤處理器進行電視/紅外跟蹤儀的圖像跟蹤信息處理;激光信息處理機是激光測距儀的指控中心和數(shù)據(jù)處理中心;伺服控制系統(tǒng)實現(xiàn)伺服機動系統(tǒng)的調(diào)度。
標(biāo)簽： ccd 光電跟蹤技術(shù)
上傳時間： 2022-06-23
上傳用戶：canderile
微光與紅外成像技術(shù)
上傳時間： 2013-06-28
上傳用戶：eeworm
深圳晶美光電 數(shù)碼管 發(fā)光二極管 像素模塊 點陣 樣本
標(biāo)簽： 美光 數(shù)碼管 發(fā)光二極管 像素
上傳時間： 2013-04-15
上傳用戶：eeworm
類比與介面裝置(AIPD)新產(chǎn)品研討會
標(biāo)簽： AIPD
上傳時間： 2013-08-03
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
