图像矩阵matlab代码复值卷积神经网络及其在PoSAR图像分类中的应用 要求： Matlab的 实验步骤： 测试演示在带有L波段的AIRSAR传感器获取的Flevoland数据集上。 运行./Test Demo / TestDemo.m以评估CV-CNN在PolSAR图像分类中的性能 CV-CNN文件夹存储CV-CNN的实现过程。 参考：此CV-CNN代码是基于DeepLearnToolbox（这是一个真正的CNN开源工具箱）创建的。 数据集：可以在网站“”上下载我们的论文“复杂值卷积神经网络及其在PoSAR图像分类中的应用”中的数据集。 同时，相应的地面实况已上传到该项目中。 备注：Flevoland-1989包含14个类的基本事实是Label_Flevoland_14cls.mat Flevoland-1991包含15个类的基本事实是Label_Flevoland_15cls.mat 德国Oberpfaffenhofen的地面真实情况是Label_Germany.mat 更新数据：已在下面的百度云链接中上传了三个数据集的输入T矩阵。 可以以一定的采样率获得采样数据，并将其分为训练

matlab图像矩阵拼接代码 单应性和基本矩阵估计 项目总结 该项目演示了在同对从同一摄像机在相同位置但沿摄像机轴旋转的位置上拍摄的图像进行拼接的过程中，如何应用同构矩阵的实现方法和结果。 支持多种图像拼接。 该项目演示了在同对从同一相机在同一位置但沿相机轴旋转的位置拍摄的图像进行拼接的过程中，如何应用同形术矩阵的实现方法和结果。 随附的报告讨论了从对象的2D坐标估计3D坐标的情况，该对象的立体图像是由两台使用Epipolar Geometry和Fundamental Matrix的相机拍摄的。 在第一部分中，使用成对的两个连续拍摄的同一对象的图像对，通过使用在两个图像上检测到的关键点特征并应用RANSAC算法来获得线形来估计单应矩阵。 然后，将同构矩阵用于拼接两个图像以生成全景图。 在项目的第二部分中，我们使用第一部分中生成的地面真点和内在点生成一对图像的基本矩阵。 我们使用归一化和非归一化方法来生成矩阵。 我们还比较了两种方法的结果。 稍后，我们还使用Triangulation方法对图像对中对象的3-D坐标进行近似。 所有编码均已在MATLAB环境中完成，并且适当的参考已在报告中突

此资源是二维对称图像矩阵ICA人脸识别MATLAB源程序，运行效率较高，只需更改训练样本路径即可运行

CSDN上实在没有好的图像旋转示例，因此参考其他大虾的文档，自己做了一个供大家参考。 示例主要完成图形（矩形）和图像旋转（png格式），通过设置Matrix属性，使GDI+图像旋转；通过设置Path属性，产生剪切效果。XE4下调试通过。 感谢“万一”大虾的文档，更详细内容可参考http://www.cnblogs.com/del/category/113557.html