单层感知器神经网络matlab代码基于运动图像的单通道脑电分类 Global SIP 2018接受的论文中描述了此代码。 <概述> 该存储库中的Matlab脚本确定了通道，特征和分类器的最佳组合，可最大程度地提高基于单通道EEG的运动图像BCI的分类精度。 频道：22 ch 特征： 功率谱（PS） 灰度共生矩阵（GLCM） 单通道公共空间模式（SCCSP） 分类器： 线性判别分析（LDA） k最近邻居（k-NN） 高斯混合模型（GMM） 随机森林（RF） 多层感知器（MLP） 支持向量机（SVM） 带有PS的SVM和带有SCCSP的MLP在二进制分类中显示一位受试者的分类准确度为86.6％ （平均值：63.5％）。 为了进行评估，我们使用了开放访问数据集。 在使用我们的代码之前，请发送以访问数据。 <代码> 该存储库有一个主要的m.file，该文件由预处理和后处理步骤组成。 在通过预处理步骤保存特征向量之后，可以使用10倍交叉验证来计算分类精度。 另外，您可以通过更改set_config.m文件中的值来更改此框架中的每个参数。 <环境> 马尔巴布R2017a 信号处理工具箱 静力学和机

YOLOv5_DOTA_OBB 带有CSL_label的DOTA_OBB数据集中的YOLOv5。（定向对象检测） 数据集和预先训练的检查点 Datasets ： Pretrained Checkpoint or Demo Files ： 。（6666） 。（6666） 。（6666） 。（6666） 。（6666） 。（6666） 功能性 train.py 。火车。 detect.py检测并可视化检测结果。获取检测结果txt。 evaluation.py 。合并检测结果并将其可视化。最后评估探测器 安装 1.安装了所有requirements.txt依赖项的Python 3.8或更高版本，包括torch> = 1.7。要安装运行： $ pip install -r requirements.txt 2.安装swig $ cd \.....\yol

Sentinel-2工具箱 轻松处理哨兵2图像。 如果您知道如何下载Sentinel-2多光谱图像（或电光），但又不知道如何在Python中使用它们，那么这里已为您实现了所有这些。 内容 功能 功能说明 使用示范 功能： load_bands（） 轮廓（） outline2poly（） ndvi_index（） rvi_index（） savi_index（） evi_index（） rgb_img（） 用法演示： images = load_bands('F:\\S2_billeder\\..\\IMG_DATA',bands=['B03','B04','B05','B01']) 此功能会将您选择的乐队加载到python中。 您可以全部加载它们，但建议仅加载以后分析所需的波段，因为它们占用大量内存（即计算简单的NDVI索引）。 contours, contours_t

对高光谱图像执行基于 SLIC 超像素的降维，然后是基于 SVM 的分类，如论文中所述： X. Zhang、SE Chew、Z. Xu 和 ND Cahill，“SLIC Superpixels for Efficient Graph-Based Dimensionality Reduction of Hyperspectral Imagery”，Proc。 SPIE 防御与安全：多光谱、高光谱和超光谱图像的算法和技术 XXI，2015 年 4 月。

聚苯乙烯 概要 该项目包含用于两个源能量平衡模型（Priestley-Taylor TSEB-PT ，双重时差DTD和TSEB以及土壤和冠层温度TSEB-2T的Python代码）的功能，用于基于辐射度测量来估算感热通量和潜热通量（蒸散）。表面温度。 该项目包括： 具有任何电阻能量平衡模型所需的基本功能的低级模块 更高级别的脚本，可轻松运行带有表格数据和/或卫星/机载图像的TSEB。 安装 将项目下载到本地系统，输入下载目录，然后键入 python setup.py install 如果要在Python发行版中安装pyTSEB及其低级模块。 需要以下Python库： 脾气暴躁的 大熊猫 pyPro4Sail，位于[ ] GDAL，用于在映像上运行TSEB 大熊猫 netCDF4 散景 使用conda ，您可以创建一个完整的环境 conda env create -f env

通用空间模式（CSP）算法能够解决运动图像任务脑机接口（BCI）的二进制分类问题。 本文提出了一种基于滤波器组公共空间模式（FBCSP）的新方法，称为多尺度重叠FBCSP（MO-FBCSP）。 我们通过使用一对一（OvO）策略将CSP算法扩展到多类。 选择多个周期，并将其与包含有用信息的滤波器组的重叠频谱结合在一起。 在具有9个主题的基准BCI竞赛IV数据集2a上对该方法进行了评估。 随机森林（RF）分类器的平均准确度达到80％，相应的kappa值为0.734。 定量结果表明，该方案优于经典FBCSP算法超过12％。

matlab除噪声代码连续去除高光谱红外图像 作者：Bardia Yousefi（）加拿大魁北克市拉瓦尔大学电气与计算机工程系计算机视觉和系统实验室日期：2018年5月2日0版权声明代码-（c）2018-2029 Bardia Yousefi该代码是按原样提供，除几乎肯定存在错误外，没有任何保证。 使用此代码（或经过修改的版本）发表的研究报告应引用描述该算法的文章：Yousefi，B.，Sajasi，S.，Castanedo，CI，Beaudoin，G.，Maldague，XP和Chamberland，M.（ 2018）。 应用非负矩阵分解对基于地面的LWIR 2高光谱红外图像进行连续谱去除。 应用光学。 欢迎发表评论和错误报告。 发邮件给 。 我也很高兴听到有关您如何使用此代码，对其进行的改进或翻译成其他语言的信息。 您可以自由修改，扩展或分发此代码，只要完整包含本版权声明，并且没有任何变化即可。 ＃用于使用高光谱聚类进行矿物识别的MATLAB代码这是用于在高光谱红外图像中连续去除的MATLAB编程代码。 该代码不包含其他受版权保护的代码。 该代码只能接收经过预处理的输入高光谱图像，

带有Savitzky-Golay过滤器的Google Earth Engine时间序列 该示例显示了如何为要素集合提取图像集合值，如何创建植物索引时间序列数据帧并在其上应用Savitzky-Golay过滤器的示例。 笔记 中实现了此函数的更好版本，作为ee.ImageCollection对象的扩展方法： import ee , eemont ee . Authenticate () ee . Initialize () f1 = ee . Feature ( ee . Geometry . Point ([ 3.984770 , 48.767221 ]). buffer ( 50 ),{ 'ID' : 'A' }) f2 = ee . Feature ( ee . Geometry . Point ([ 4.101367 , 48.748076 ]). buffer ( 50 ),{ '

rfm模型matlab代码卫星图像 RPC 中的偏差优化 我们在这里提供了一些使用有理函数模型 (RFM) 算法的 2D-3D 图像/对象坐标的 matlab 代码。 所有这些代码都用于我们的实验。 将您的地面控制点 (GCP) 放在 WGS84_Obse_Sample.txt 中，并将这些点的坐标放在 MIC_L_Sample.txt 和 MIC_R_Sample.txt 中的两个图像（左侧和右侧）上。 此外，提取 Coeff.txt 中随卫星图像提供的有理多项式系数 (RPC)。 您可以通过运行 Ours-2D-3D-First-Order.m 来获得结果。 如果您在代码中遇到一些问题或发现一些错误，请发送电子邮件至：或

GEE学习ppt