提出了一种融合全局和局部深度特征（GLDFB）的视觉词袋模型。通过视觉词袋模型将深度卷积神经网络提取的多个层次的高层特征进行重组编码并融合，利用支持向量机对融合特征进行分类。充分利用包含场景局部细节信息的卷积层特征和包含场景全局信息的全连接层特征，完成对遥感影像场景的高效表达。通过对两个不同规模的遥感图像场景数据集的实验研究表明，相比现有方法，所提方法在高层特征表达能力和分类精度方面具有显著优势。

C#语言开发，.net，基于fo-dicom的医学影像接收和发送服务程序，可对接pacs。遵循Dicom3.0医学影像标准通信协议 适用于：从事医学影像软件开发的工作人员

DICOM 查看器 适合：影像科、放射科、医学生、三维重建、DICOM、医学影像、医院患者片子、等等。

详细介绍了MRSID格式的运行模式以及压缩方式，很多遥感影像是这个格式的

PACS医疗影像系统针对大型医院中影像设备种类繁多，数据采集方式复杂，而且数据量特别巨大的特点，基于大型数据库平台，采用新型框架结构，实现了医院内各影像部门之间，影像部门与医生工作站之间以及PACS与影像设备之间的信息共享。该系统针对网络服务器故障设计了单机运行模式，进一步提高了系统的可靠性，尝试使用无线通讯技术为临床应用服务，采用了边下载边浏览的方式，保证了系统的运行速度和效率。

包括spacenet、Massachusetts、CHN6-CUG、deepglobe等公开数据集

ORIGA是经典的医疗图像数据集，包含650张照片和相应的蒙版，分辨率为3072×2048。对应的论文是ORIGA-light : An Online Retinal Fundus Image Database for Glaucoma Analysis and Research，均在文件中。原始的网站的数据集下线了。 Currently, ORIGA-light contains 650 retinal images annotated by trained professionals from Singapore Eye Research Institute. A wide collection of image signs, critical for glaucoma diagnosis, are annotated. We will update the system continuously with more clinical ground-truth images.

最近要做个遥感相关的小系统，需要波段组合功能，网上找了可以使用ArcGIS安装时自带的arcpy包，但是Python3.7不能使用现有ArcGIS10.2版本，也不想再装其他版本，所以只能自己想了个办法解决。不过有点笨啊。 思路是： 1.读取需要组合遥感影像波段（此处用OLI）   2.创建数组，把读取的波段按序放进去   3.写入文件，写成tif多波段数据 上代码： from osgeo import gdal import os import numpy as np class GRID: #读图像文件 def read_img(self,filename): datas

随着智能交通系统中的应用，航空图像车辆检测已成为一项关键工程技术，具有学术研究意义。 提出了一种基于YOLO深度学习算法的航空图像车辆检测方法。 该方法通过处理三个公共航空图像数据集来整合适合YOLO训练的航空图像数据集。 实验表明，该训练模型在未知的航拍图像上具有良好的性能，特别是对于小物体，旋转物体以及紧凑而密集的物体，同时满足实时性要求。

（1）基于matlab的SIFT影像拼接算法。详细原理可见之前写的博客：https://blog.csdn.net/u010329292/article/details/128850655#comments_25607689 （2）代码在SIFT Image registration\code中，mosaicTest.m为主函数 （3）有3组数据在data文件夹，result里存放的是对应的拼接结果。