RIDER Breast 是乳腺癌 MRI 影像数据，旨在对各种类型的癌症诊治过程进行全程数字化的跟踪，以数字档案的形式记录检查结果、处方和疗效。

武汉市城区2005年 夏季landsat4-5TM 影像数据，landsat4-5TM卫星带有7个波段，各种波段的组合课凸显出不同的地物地貌，比如：选择最佳波段的原则有两点：①要求参与彩色合成的波段所含信息量各波段之间的相关性小大；②波段组合得到的彩色图像对研究区域关注的地物类型之间的光谱差异要大、信息含量多、相关性小、地物光谱差异大、可分性好的波段组合。其中，波段 543 组合具有较好的分辨效果，水体边界明显，易于区分，并且 543 组合较为接近自然色，符合人们的视觉的习惯。所以应选择波段组合 R5 G4 B3。

患者预处理 这是用于各种神经成像预处理操作（注册，切片，去噪，分割等）的MATLAB代码，其最初旨在处理常规临床数据（因此得名）[1]。 它以nifti文件（如.nii或.nii.gz）作为输入，并生成此数据的副本，并对其应用了所需的预处理步骤。 它还使用成对的标签遮罩（例如T1w MRI和肿瘤遮罩（或多个类别））处理图像数据，并确保生成的预处理数据是一致的。 请参阅下面的示例用例，这些用例可以独立运行，也可以启发更复杂的预处理任务。 依存关系 该算法要求以下软件包位于MATLAB路径上： SPM12：从下载。 spm_superres：从下载/克隆（如果要使用降噪或超分辨率选项）。 用例范例 1.多通道MRI分割 该MATLAB代码段将多个序列的MR图像作为输入，并生成已被共同注册和切片的图像。 然后使用SPM12统一分段例程对这些图像进行分段，并将本机+模板（未调制）空间GM，WM

资源三号影像数据文件名命名规则:sat_ids_mysnavp_PPPRRR_yyyymmdd_hhmmss_ssss_SASMAC_CHN_xxx_yyy_zzzz_BBBsuf各子字符串的含义和命名法则*

基于Oracle 9i Spatial的海量空间影像数据管理.pdf

ArcGIS镶嵌影像FootPrint导出、更新整理代码

BIDScoin：将您的影像数据硬币到BIDS BIDScoin是一种用户友好python工具包，可将（“硬币”）源级（原始）神经影像数据集转换为按照Brain Imaging数据结构（又称为标准）组织的 / / 数据集。 。然后，BIDScoin依靠复杂或模棱两可的程序逻辑来识别成像模态，而是使用映射方法来识别原始源数据并将其转换为BIDS数据。通过从MRI头文件（DICOM或PAR / REC；例如ProtocolName ）中读取信息来识别源数据的不同运行，并且研究人员可以事先指定或交互地指定有关这些运行应如何转换为BIDS的映射信息- -引入通常只存在于他或她的脑海中的缺失的知识！ 由于可以使用轻松编辑所有映射信息，因此BIDScoin不需要任何编程知识即可使用它。 BIDScoin由的开发。 BIDScoin功能 [x] DICOM源数据 [x] PAR / REC源数

TTPLA：用于输电塔和输电线的检测和分段的航拍图像数据集 TTPLA是一个公共数据集，它是输电塔（TT）和输电线（PL）上的航拍图像的集合。 这是论文的官方资料库。 该存储库包括： TTPLA数据集的原始图像带有COCO格式的像素级批注。 （2021年3月更新）。 分割文本文件包含分割为train.txt，validate.txt和test.txt后的图像名称列表。 基于两个不同的主干和三个不同的图像大小的训练模型的权重。 准备数据： 修改resize_image_and_annotation-final.py以使用目标图像尺寸（第10行）。 然后，使用python resize_image_and_annotation-final.py -t 调用脚本。 它将产生一个名为sized_data新文件夹。 然后，如果要删除void标签，请调用remov

LANDSAT5_7_8_SR数据NDVI影像数据1985-20201km分辨率

LANDSAT5_7_8_SR数据全波段影像数据1985-2020 1km分辨率