Advertisement

红外、可见光、高光谱及SAR图像合集数据集.rar

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
该文件包含多种类型的遥感图像数据集,包括红外、可见光、高光谱和SAR图像,适用于多模态图像处理与分析研究。 资源描述:图像合集数据集(包含红外、可见光、高光谱及SAR图像)。 资源内容:该数据集中已包含了多种类型的配对图像,适合用于各类研究与开发工作。 适用对象:此资源适用于计算机科学、电子信息工程以及数学等相关专业的大专院校学生,在课程设计和毕业项目中可以发挥重要作用。 作者介绍:本资料由一位在大型企业担任高级算法工程师的专家提供。该工程师拥有十年的工作经验,专注于Matlab、Python、C/C++及Java等编程语言的应用,并且擅长计算机视觉技术、目标检测模型开发以及智能优化算法等领域;此外还精通神经网络预测方法和信号处理技巧,在元胞自动机研究与图像处理方面也有丰富的实战经历。同时对智能控制理论和技术路径规划有所涉猎,对于无人机相关领域的研发亦有独到见解。欢迎志同道合者共同探讨学习交流机会。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • SAR.rar
    优质
    该文件包含多种类型的遥感图像数据集,包括红外、可见光、高光谱和SAR图像,适用于多模态图像处理与分析研究。 资源描述:图像合集数据集(包含红外、可见光、高光谱及SAR图像)。 资源内容:该数据集中已包含了多种类型的配对图像,适合用于各类研究与开发工作。 适用对象:此资源适用于计算机科学、电子信息工程以及数学等相关专业的大专院校学生,在课程设计和毕业项目中可以发挥重要作用。 作者介绍:本资料由一位在大型企业担任高级算法工程师的专家提供。该工程师拥有十年的工作经验,专注于Matlab、Python、C/C++及Java等编程语言的应用,并且擅长计算机视觉技术、目标检测模型开发以及智能优化算法等领域;此外还精通神经网络预测方法和信号处理技巧,在元胞自动机研究与图像处理方面也有丰富的实战经历。同时对智能控制理论和技术路径规划有所涉猎,对于无人机相关领域的研发亦有独到见解。欢迎志同道合者共同探讨学习交流机会。
  • 优质
    《红外光谱图表集》是一部详尽收录各类化合物红外光谱数据的专业参考书,为化学、材料科学及生物技术等领域研究人员提供便捷可靠的分析工具。 这本非常全面的红外光谱图集方便查询各种化学键和官能团的红外光谱。
  • 与遥感
    优质
    本资料涵盖了高光谱及遥感图像领域内的主要数据集概览,包括各类应用的数据来源、特点及其获取途径。 这里包含常用的高光谱图像(HSI)数据集,如Indian Pavia等。每个数据集中都包含了原始图像信息及其对应的地面真实类别标签。由于文件大小限制,目前只能上传这两个数据集,还有Salinas等其他数据集可供使用,如有需要请留言说明。
  • 分类
    优质
    本文章介绍了几种常见的高光谱图像分类数据集,涵盖了不同场景和应用需求,为研究者提供参考。 主要包括:Indian Pines;Pavia Centre;Pavia University;Salinas;Salinas-A;Washington_DC。
  • 适用于的源代码.zip
    优质
    本资源包提供用于红外与可见光图像融合的完整源代码和相关数据集,旨在促进多光谱成像技术的研究与发展。 六组配准好的红外和可见光图像集。
  • 电气类6:电力线匹配
    优质
    本数据集为电气工程领域研究提供资源,专注于电力线路的可见光和红外图像融合及匹配,促进智能电网检测技术的发展。 内含电力线可见光与红外融合及匹配图像数据集,包含8000张图片且无任何标签,主要用于进行可见光与红外图像的融合以及电力线提取。该数据集适用于电气工程专业在计算机视觉应用领域的研究工作,例如目标检测、图像识别和深度学习等项目。
  • 优质
    高光谱数据集合是指包含大量不同地物、物体或场景的高光谱图像的数据集,广泛应用于目标检测、分类与识别等领域。 常用的高光谱数据集包括IndianPines、PaviaU、Salinas以及Simu。
  • 汇总
    优质
    本文综述了红外与可见光图像融合的技术进展、方法应用及挑战,旨在为视觉感知领域的研究者提供参考。 近五年红外与可见光图像融合实现代码合集已经整理完毕。每个方法单独存放于一个文件夹内,主要使用matlab语言编写,部分采用C语言。深度学习模型为训练好的模型,方便学习研究。
  • 五个.rar
    优质
    本资源包包含五个不同的高光谱数据集,适用于遥感、地质学及环境监测等领域研究。每个数据集都经过精细处理,可直接应用于算法开发与验证。 常用的几种高光谱数据包括Washington DC Mall、Indian Pine等,它们广泛应用于遥感图像分类领域。其中,最早用于高光谱图像分类测试的数据是Indian Pines,该数据由机载可视红外成像光谱仪(AVIRIS)在1992年对美国印第安纳州的一块印度松树区域进行拍摄,并截取了尺寸为145×145的图像用于标注和高光谱分类测试。另一份重要的数据集是Pavia University,该数据由德国机载反射光学光谱成像仪(ROSIS-03)在2003年对意大利帕维亚城的一部分进行拍摄所得。所使用的光谱成像仪覆盖了从0.43到0.86微米波长范围内的115个连续波段,空间分辨率为每像素1.3m。由于其中的12个波段受到噪声影响而被剔除,因此通常使用的是剩下的103个光谱波段所成图像。Pavia University数据集尺寸为610×340,包含总计2,207,400个像素,但其中有大量背景像素;其中含有地物信息的只有42,776个像素,并且这些像素中包含了9类不同的地面物体类别,包括树木、沥青道路和砖块等。
  • 配准融__配准_matlab__
    优质
    本项目聚焦于利用MATLAB实现红外与可见光图像的精准配准及融合技术,提升夜间视觉系统的识别精度和细节表现。 该研究涉及红外与可见光的融合与配准算法,并使用MATLAB语言实现,取得了很好的效果。