利用多时相卫星图像进行农作物分类 该仓库提供了使用多时相卫星图像进行农作物分类的代码。 作物分类对于理解作物的供应很重要。 卫星图像有助于实时监测作物生长和健康状况。 如今，每天都有高分辨率的卫星图像。 利用高频数据和多个波段，可以使用深度学习对农作物进行分类。 有许多经典的机器学习农作物分类方法可用它使用单时间图像，并使用其结果精度相对较低作物的光谱特性和结构特性，但我们会使用由玫瑰M. Rustowicz笔者建议的方法 安装 conda create --name geo_py37 python=3.7 conda install gdal rasterio conda install numpy pandas geopandas scikit-learn jupyterlab matplotlib seaborn xarray rasterstats tqdm pytest sq

k8s.gcr.io/kube-controller-manager:v1.15.3镜像tar包，使用 docker load --input kube-controller-manager_v1.15.3.tar进行导入

用于人脸识别的数据集，分为姜文，彭于晏，以及章子怡的图片

2048游戏素材images.rar

适合新手

EVE-NG-Pro Qemu Images List.pdf

mnist公开数据集；包含train和test数据集，已划分好。train:50000; test: 10000

PyQt5教程(八)——实现QQ登录界面（二、加载资源文件），中所需要的图片资源。索取资源也可以给我发邮件ifeng12358@163.com。

第 08 节 GEE 的数据类型 (Landsat Images, Confusion Marix).pdf

DFT的matlab源代码结合了DFT和DT-CWT域的彩色图像鲁棒数字水印 该存储库提供以下论文的测试代码。 引文： Q. Ying，L。Lin，Z。Qian，H。Xu和X. Zhang，DFT和DT-CWT组合域中彩色图像的鲁棒数字水印，数学生物科学与工程，16（5）：4788–4801， 2019。 PDF可在以下位置找到： 希望您可以引用本文以改善引用。 摘要：图像水印的重点是将秘密数据隐蔽地隐藏在封面图像中，以保护原始图像的版权。 在本文中，我们提出了一种使用离散傅里叶变换（DFT）和对偶树复数小波变换（DTCWT）的结合嵌入技术的彩色图像数字水印方案。 封面图像首先分为Y，U和V通道。 然后，通过DFT转换Y通道，并将其划分为环形。 使用嵌入密钥，我们生成伪随机模式来表示水印。 这些模式也被转换和划分。 然后，由模式选择表示的水印被嵌入到DFT系数的环中。 我们进一步在U通道中嵌入了整流水印，在D通道中应用DTCWT来实现几何失真复原能力。 在接收方，水印的检测和提取可以成功完成。