CCD_CMOS图像传感器基础与应用_11685482.pdf

C++实现，图形界面使用QT5.15.2，图像处理部分使用OpenCV4.5.1 自动识别的配件有：倍镜、枪口、握把，支持单击开镜与长按开镜两种，支持自定义枪械参数 仅靠截图识别并通过罗技的鼠标宏实现压枪，不修改其他任何文件！ 支持GHUB与LGS，不过需注意的是由于GHUB先天性缺陷，因此GHUB不支持连点 支持1920x1080、2560x1080、2560x1440、3440x1440分辨率，2560x1440、3440x1440可能部分情况下识别会有问题，因为我没有2k的显示器，所以请自行测试有问题在群里反馈 先放出成品测试，后面会继续开源 使用单击开镜时需将识别速率调高点，否则开镜后开枪过快会出现不压枪的情况，个人推荐长按开镜比较稳定 支持血雾修正

matlab图像处理基础实例.pdf

腐烂苹果数据集，用于图像识别，训练模型

指针式仪表（纯表盘）数据集，约410张

1. 由于ENVI 4.4 中有专门进行辐射定标的模块，因此实际的操作十分简单。将原始TM 影像打开以后，选择 Basic Tools–Preprocessing–Calibration Utilities–Landsat TM 2. 进入下一步参数选择：根据传感器类型选择Landsat 4,5 或者7。从遥感影像的头文件中获取Data Acquisition 的时间，Sun elevation。如果你是用File–Open External File–Landsat–Fast 的方法打开header.dat 的话，sun elevation 就已经填好了。这里Calibration Type 注意选择为Radiance。输出文件，定标就完成了。

利用噪声可见性函数对对水印潜入功率进行自适应的容量分析

改进YOLOv5_v7 _ 用于低分辨率图像和小物体的新 CNN 模块SPD-Conv_迪菲赫尔曼的博客-CSDN博客.mhtml

这个项目是一个基于深度学习的图像分类器，旨在实现对玉米叶子的健康状况的准确识别和分类。数据集包含四种类别：blight（病斑）、common rust（锈病）、gray leaf spot（灰斑病）和healthy（健康状态）。通过对数据集进行预处理和增强，使用resnet模型进行特征提取和分类，实现对不同病害的玉米叶子图像的自动分类。在模型训练过程中，采用了交叉验证来避免过拟合，并使用一些优化技术如批量归一化和随机失活来提高模型的泛化能力和准确性。最终，通过对模型的评估和测试，得到了高精度和高可靠性的玉米叶子分类器，可以在农业生产中发挥重要作用。

该程序实现基于模板边缘的图像匹配功能，并且可以在匹配图像发生旋转的情况下匹配出模板，编程环境为VS2015+OpenCV4.2。此文件为完整代码工程，将OpenCV配置好后可直接运行。