多光谱图像数据库, Multispectral images databses

转自:http://blog.sina.com.cn/s/blog_b37338430102v6dx.html 随着光谱分辨率的不断提高,光学遥感的发展过程可分为:全色(Panchromatic)→彩色(Color Photography)→多光谱(Multispectral)→高光谱(hyspectral). 注: 全色波段(Panchromatic band),因为是单波段,在图上显示是灰度图片.全色遥感影像一般空间分辨率高,但无法显示地物色彩. 实际操作中,我们经常将之与波段影象融合处理,

Edit: F:\wamp\www\tasks Task ID Name Links? Date commit Date Done 9 Read openCV documents F:\wamp\www\git_repos\GitHub\MyAndroidTestAppsTest17_FromCpp\opencv\build\doc http://docs.opencv.org/trunk/modules/refman.html https://github.com/Itseez/opencv

一.前言 GDAL具有强大的图像读写功能,但是对常用图像处理算法的集成较少,OpenCV恰恰具有较强的图像处理能力,因此有效的结合两者对图像(遥感影像)的处理带来了极大的方便.那么如何实现GDAL与openCV间的数据交换成为影像处理中的关键步骤.接下来我将记录下:1 如何将GDAL读取的影像转化为openCV支持的的MAT格式?2 如何将处理后MAT数据转化为合适的图像格式存储?(PS:本人也是初次使用GDAL和openCV,代码很水...只是记录下自己学的,和大家交流下) 二.GDAL数据到

一.前言 GDAL具有强大的图像读写功能,但是对常用图像处理算法的集成较少,OpenCV恰恰具有较强的图像处理能力,因此有效的结合两者对图像(遥感影像)的处理带来了极大的方便.那么如何实现GDAL与openCV间的数据交换成为影像处理中的关键步骤.接下来我将记录下:1 如何将GDAL读取的影像转化为openCV支持的的MAT格式?2 如何将处理后MAT数据转化为合适的图像格式存储?(PS:本人也是初次使用GDAL和openCV,代码很水...只是记录下自己学的,和大家交流下) 二.GDAL数据到

Caltech 101(加利福尼亚理工学院101类图像数据库) 数据摘要: Pictures of objects belonging to 101 categories. About 40 to 800 images per category. Most categories have about 50 images. Collected in September 2003 by Fei-Fei Li, Marco Andreetto, and Marc 'Aurelio Ranzato. T

常用图像数据库 1,http://www.multitel.be/cantata/这个网址提供了大量的视频和图像的数据库下载索引,并有相应的介绍,强烈推荐!大家慢慢去找寻自己的惊喜吧 2,http://www.cvpapers.com/datasets.htmlCVDatasets on the web , 主要好像是直立行人检测.... 3,http://www.cvc.uab.es/adas/site/?q=node/7里面又有好几种数据库可以下载:CVC Virtual Pedestria

产品名称:多光谱山火智能预警监测系统 公司名称:深圳市银星华电科技有限公司 产品功能:山火监测.山火报警.山火精确识别:线路电晕放电情况实时监测. 高压输电线路因山火引发的跳闸事故严重影响电网的安全稳定运行,各项研究表明山火是输电线路跳闸主要因素之一.目前防山火的措施有感温探测.感烟探测.气体探测.激光探测.机器视觉.火焰探测.红外探测等技术.我公司研发的多光谱光子型山火监控系统.基于紫外检测方式利用地球表面在正常情况下不存在的日盲波段的紫外光源信号作为山火精确判别依据,并辅以红外.可见光和气象

利用Python PIL.cPickle读取和保存图像数据库  @author:wepon @blog:http://blog.csdn.net/u012162613/article/details/43226127 计算机视觉.机器学习任务中,经常跟图像打交道,在C++上有成熟的OpenCV可以使用,在Python中也有一个图像处理库PIL(Python Image Library),当然PIL没有OpenCV那么多功能(比如一些人脸检测的算法),不过在Python上,我们用PIL进行一些基本

目前在研究高光谱图像处理.与普通图像不同,高光谱图像是多波段的图像,而OPENCV只能直接处理至多3维的图像,所以要依赖GDAL库来处理高光谱图像.思路就是:根据文件名获得其GDALDataset数据集,然后分波段(波段相当于通道)存储在格式为Vector<cv::Mat>的容器内,最后利用MAT的Merge函数,对通道数据进行组合.以上方法适合任意波段数据,对多光谱和高光谱数据比较实用. #include <iostream> #include <opencv2/core/