单图深度估计Learning Depth from Single Monocular Images Using Deep Convolutional Neural Fields-附件资源

MPLBM-UT：用于渗透性介质分析的多相LBM工具箱 MPLBM-UT支持计算3D图像或tiff切片的毛细压力和相对渗透率曲线，单相渗透率，3D弯曲度，接触角和渗透路径。 该存储库由德克萨斯大学奥斯汀分校的Javier E. Santos，Abhishek Bihani和Alex Gigliotti与Christopher Landry，Hugh Daigle，Masa Prodanovic，Wenhui Song和Michael Pyrcz合作创建。 我们非常感谢贾浩威所做的改进。 使用Palabos v2.2.1执行直接流体流动模拟。 我们将Shan-Chen模型用于多相仿真，将BGK和MRT用于单相仿真。 插图 非润湿性流体（紫色）通过球状包装。 非稳态流动模拟显示不同颜色的毛细管压力增量。 非润湿液的渗透路径（未显示岩石和润湿液）。 单相流模拟的速度幅度。

图像超分辨率领域用到的数据集，积分免费下载！

作者是Borgefors，图像处理方面,文章比较经典,希望对大家有用.

NIST 8-Bit Gray Scale Images of Fingerprint 是一个指纹图像数据，包括 2000张指纹灰度图，400组左右手五指指纹灰度图，图像分辨率为512x512。

这是用于黑马首页程序编写的图片资源，有需要的可以下载使用，使用时IMG为作为单独文件夹与html文件和CSS文件夹位于同一路径下。

VGG_Imagenet_Weights_GrayScale_Images 为灰度图像转换VGG imagenet的预训练权重。 2种方法： 将图像转换为灰度，将灰度通道复制2次以使图像成为3D图像。 将VGG16的第一个卷积层的权重转换为适应灰度图像。 例如：VGG16的block1_conv1内核的尺寸：（3、3、3、64）->（高度，宽度，in_channels，out_channels）。 默认情况下，in_channels对应于您的训练图像具有的通道数。 由于VGG16在具有RGB图像的Imagenet上进行了预训练，因此in_channels为3。该想法是提取这些权重值，对滤镜进行加权平均（按通道），并将这些值分配给block1_conv1_kernel，st尺寸变为（3 ，3、1、64）。 亮度公式用于计算加权平均值：值：（feature_red * 0.2989）

该数据集包含对糖尿病性黄斑水肿的光学相干断层扫描图像进行分割的图像。数据集载自文章：S. J. Chiu, M. J. Allingham, P. S. Mettu, S. W. Cousins, J. A. Izatt, S. Farsiu, "Kernel regression based segmentation of optical coherence tomography images with diabetic macular edema", ( BIOMEDICAL OPTICS EXPRESS), 6(4), pp. 1172-1194, April, 2015 Segmentation of OCT images (DME)_datasets.txt

msm8974 amss oem boot images

脑肿瘤是大脑中大量正常和异常细胞。 在医学领域，MRI图像被广泛用于脑肿瘤检测。 MRI 图像提供有关人体软组织的广泛信息。 通过使用特征提取技术，该信息可用于脑肿瘤检测。 脑肿瘤可分为良性和恶性。 特征提取和表示技术的共同目标是将分割的对象转换为更好地描述其主要特征和属性的表示。 所提出的方法描述了从 MRI 图像中提取肿瘤。 首先找出脑肿瘤的感兴趣区域进行特征提取，然后计算形状特征。 获得用于良性和恶性肿瘤分类的形状特征。 随机森林在肿瘤分类方面比支持向量机具有更好的准确性。