针对环境减灾小卫星高光谱影像数据中存在的条带噪声，提出一种双边滤波与矩匹配方法融合的去除条带噪声方法。该方法克服了传统方法在去除条带噪声的同时带来新的噪声，并且边缘信息丢失等问题。最后进行了几种去除条带方法的比较试验，并且对试验结果进行了讨论。试验证明，提出的方法去除高光谱遥感影像的条带噪声效果明显，且能较好地保留原始影像中的地物信息。

SLGS模型不能处理灰度不均图像，而RSF模型对初始轮廓较敏感。为此，将RSF模型定义的局部信息融入SLGS模型中，提出一个以偏微分方程形式表达的活动轮廓模型。利用SLGS模型全局拟合量和RSF模型局部拟合量的线性组合构造符号压力函数，调整拟合量的权重以提升模型对灰度不均图像的处理能力和轮廓初始化的灵活性，并利用高斯滤波正则水平集函数法实现水平集函数的正则化。实验结果表明，该模型的分割结果比SLGS模型更准确。

基于边缘检测和阈值维纳滤波的多小波融合图像去噪

Delphi中融合Dll中的窗口的解决办法详细版.

数据融合matlab代码扩展卡尔曼滤波器项目 无人驾驶汽车工程师纳米学位课程 概述 该项目利用卡尔曼滤波器通过激光雷达和雷达测量来估计感兴趣的运动物体的状态。 为此，我使用了卡尔曼滤波器，激光雷达测量和雷达测量来跟踪自行车在车辆周围的位置和速度。 该项目的目标是获得低于所需公差的RMSE值。 项目目标 该项目的目标/步骤如下： 建立一个卡尔曼滤波器（KF）以使用激光雷达测量进行跟踪 建立扩展的卡尔曼滤波器（EKF）以使用雷达测量进行跟踪 针对模拟器中的Dataset-1的测试算法 输出坐标px，py，vx和vy RMSE应小于或等于值[.11，.11、0.52、0.52] 项目文件 该存储库包含以下文件： ./Docs/-支持文档 ./data/obj_pose-laser-radar-synthetic-input.txt-包含来自两个传感器的测量值的文本文件 ./ide_profiles-编辑器配置文件 ./src/Eigen-特征库 ./src/CMakeLists.txt-代码编译 ./src/main.cpp-与Term 2 Simulator通信，接收数据测量结果，调用一个

控制台应用程序：main 项目概述 ======================================================================== 应用程序向导已为您创建了此 main 应用程序。 本文件概要介绍组成 main 应用程序的 的每个文件的内容。 main.vcproj 这是使用应用程序向导生成的 VC++ 项目的主项目文件， 其中包含生成该文件的 Visual C++ 的版本信息，以及有关使用应用程序向导选择的平台、配置和项目功能的信息。 main.cpp 这是主应用程序源文件。

数据融合matlab代码LiDAR_Camera_Calibration_Preprocess 该存储库包含MATLAB和Python工具，可从rosbag中提取和同步点云和图像以进行外部校准。 1.数据提取 1.1点云 使用pcl_ros从pcl_ros中提取点云： rosrun pcl_ros bag_to_pcd < bag_path > < pointcloud_topic > < folder_path > 1.2图片 更改extract_image.py的以下行： # Change image destination folder path here. output_path = '' # Change rosbag path here. bag_path = '' # Change image topic here. image_topic = '' 关于您使用的消息类型，在extract_image.py选择以下两行之一： #

基于IHS变换的遥感影像融合方法研究，张建平，王崇倡，为了解决全色影像具有较高的空间分辨率但缺乏光谱信息；多光谱影像光谱分辨率高，光谱信息丰富，但其空间分辨率低的技术问题。本

数据融合matlab代码

【目标融合】基于拓展卡尔曼滤波实现车载激光雷达和雷达的数据融合matlab源码.md