针对现有的红外与可见光图像融合算法存在融合图像的对比度与清晰度降低和细节纹理信息丢失等问题,提出将鲁棒主成分分析(RPCA)、压缩感知(CS)和非下采样轮廓波变换(NSCT)相结合的融合算法。首先对两幅源图像分别进行预增强处理,应用RPCA分解得到相应的稀疏分量和低秩分量;然后对稀疏矩阵利用结构随机矩阵压缩采样,利用高斯梯度-信息反差对比度(GG-DCI)压缩融合,经正交匹配追踪法(OMP)重构;接着对低秩矩阵采用NSCT分解成低频子带和高频子带,低频子带选用区域能量-直觉模糊集(RE-IFS)融合,最高频子带利用最大绝对值规则融合,其他高频子带选用自适应高斯区域方差融合;最后将融合后的稀疏分量和低秩分量叠加得到融合图像。实验结果表明,本文算法相比其他算法能够更好地提高融合图像的对比度和清晰度,保留了丰富的细节纹理信息,客观评价指标也总体优于现有算法,有效提升了红外与可见光图像的融合效果。

c# 图像识别的轮廓分析 摄像头取图识别 string fileName = Path.GetDirectoryName(templateFile) + "\\" + found.template.name; if (!AugmentedRealityImages.ContainsKey(fileName)) { if (!File.Exists(fileName)) return; AugmentedRealityImages[fileName] = Image.FromFile(fileName); } Image img = AugmentedRealityImages[fileName]; Point p = found.sample.contour.SourceBoundingRect.Center(); var state = gr.Save();

矢量数据-太原建筑轮廓数据

矢量数据-唐山建筑轮廓数据

矢量数据-天津建筑轮廓数据

矢量数据-温州建筑轮廓数据

三种模板匹配例子， 有普通轮廓， 按区域重新生成简化图片创建模板.然后匹配. 非常复杂的轮廓简化.再按像素点支比对

2020-2022年最全杭州市矢量数据（路网含城市一、二、三、四级道路、铁路（包括地铁、轻轨）高速、省道、县道、乡道+十万个poi数据+省市县乡镇行政区划+30米dem数据+河流水系网+建筑轮廓等shp数据 数据格式：shp矢量 坐标系：WGS-84 数据来源：高德爬取 数据处理软件：Arcgis/Qgis 数据范围：杭州市 数据时间范围：2020-2022年间 下载数据后，有任何疑问可以随时私信我哦

Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。

Robert,sobel图像轮廓提取代码，不是matlab自带函数！(Robert, sobel image contour extraction code, not matlab own function!)