InSAR

一个C#使用WebService调用海康SDK实现抓图与录像实时下载的小例子

对话框以及树控件的描述及应用,很值得初学者学习，代码可以直接运行(Dialog boxes, and a description of the tree control and application, it is worth learning for beginners, the code can be run directly)

wincc脚本数据手册，最全的C脚本，介绍详细，官方资料(wincc cript data manual, the most complete C script)

说明：  调用 envi5.3自带的FMask云检测功能，并输出掩膜文件(Call the FMash cloud detection function of envi5.3 and output the mask file)

说明：  opencv入门程序，使用opencv模式读取图像并显示，在vs环境下调用matlab进行图像读取和显示(opencv entry procedures, read the image using opencv mode and display, in the vs environment, call matlab to read and display the image)

图像纹理分析的一种源代码 希望对大家有用(Image processing+ CD-ROM content online is also good under the procedures)

基于visual c++平台，相机标定方法中的直接线性变换方法，即DLT方法(Based on visual c++ platform, camera calibration method of direct linear transformation method, namely DLT method)

SURF算法作为一种新近出现的特征提取方法，在重复度、独特性、鲁棒性3个方面，均超越或接近以往提出的同类方法，并在计算效率上具有明显的优势。本代码采用SURF算法检测图像并进行坐标变换与图像拼接。 采用SURF算法对图像进行检测，其主要是用Hessian矩阵对图像进行检测，对图像的特征提取之后找到图像的特征点。之后采用最近临快速匹配（NN）、随机抽样一致性（RANSAC）算法和最小二乘法参数优化（LM）对特征点进行提纯匹配。最后在两幅图像中进行坐标变换，达到统一坐标系和图像拼接的效果。 (SURF（Speeded Up Robust Features） as a method of feature extraction which newly appeared is over or nearly previous method on duplication, uniqueness, and robustness and have a clear advantage on computational efficiency. This code uses the SURF and coordinate transformation algorithm to detect image and image matching. This code uses the SURF algorithm of image detection, the main is to use the Hessian matrix of image for testing, to find the image after image feature extraction of feature points. After we used Nearest Neighbor (NN), Random Sample Consensus (RANSAC) algorithm and least square parameter optimization for purification of matching feature points. Coordinate transformation in the last two images, to coordinate system to achieve the same image stitching. )

压缩感知的第一本书籍，很不错的，各位大牛每人负责一章，可惜的是还不完全，还有几章未编出，希望对你有用(The first book of compressed sensing, very good, you cow each responsible for a chapter, it is a pity that is not fully chapters compile the hope that useful to you)

说明：  在计算机视觉中，图像分割是将图像分成多个片段的过程。这使我们能够通过以比原始图像更简单的表示方式来更好地分析图像。一种用于分割图像的方法是阈值分割；也就是说，将强度值低于阈值的所有像素设置为背景值，而将高于阈值的其他像素设置为前景值。最简单的阈值处理形式是对所有像素使用全局阈值，而自适应阈值处理根据像素及其周围环境动态改变阈值。典型地，阈值处理从灰度图像开始，并输出二进制图像以清晰地描绘图像中的片段。在本实验中，我们开发了一种自适应阈值算法，并将其与更简单的算法进行了比较。 此外，我们还开发了逆运动学证明来将机械臂移动到给定的x，y，z坐标。这一证明涉及三种命名身份，并获得了对机械臂设计的更好理解。(Image threshold segmentation)