最新的省、市、县、乡镇、村、村委行政区域，5级联动，编码、父编码、简码，excel文件，可直接导入数据库使用

点云分割是点云数据处理的关键环节，区域生长因在三维点云分割中易于实现、便于使用而得到了广泛应用，然而由于点云特征的不确定性及种子点选取不合理导致传统区域生长法局部分割性能不稳定。针对此问题，提出一种改进的区域生长分割方法。通过估算点云数据曲率大小，并将曲率最小点设置为种子节点，即从点云数据最平坦的区域开始生长，以减少分段总数，再根据点云数据的局部特征确定生长准则。实验结果表明，该方法不仅能有效地对点云数据进行分割，而且解决了传统区域生长分割不稳定的问题，提高了点云分割的精确性和可靠性。

在生物识别和图像处理中，找到Palmprint图像的ROI是一个普遍的问题。 这是开发基于掌纹图像识别的生物识别系统的主要步骤。 此处提供的代码尝试定位给定掌纹图像（左手或右手）的 ROI，假设 CASIA 数据库使用的命名约定得到维护。 代码的简单更改应该使其即使对于此数据库之外的图像也可用。 当前代码检查文件名以将图像分类为左手或右手。 输出 ROI 将是输入图像的 192x192 (uint8) 段。 采用的方法很简单，旨在提供有效的计算。 但是，由于此版本未考虑这些要求，因此应该可以进一步优化。 有关 ROI 检测的分步方法，请参阅下面给出的参考资料。 您可以浏览整个CASIA数据库： http : //www.cbsr.ia.ac.cn/english/Palmprint Databases.asp 参考文献：David Zhang、Wai-Kin Kong、Jane

研究一种用于多区域视频监控的智能入侵报警方法。该方法以多线程技术为基础，采用基于混合高斯背景建模的移动侦测算法实现多个区域实时入侵报警；采用视频监控卡自带函数库实现监控视频的显示。提出了剪贴板完成视频数据流的截取和数据格式的转换，避免了硬盘的反复读写，提高了监控画质和程序运行速度。最后给出了实验结果，结果表明该方法能有效的对入侵目标进行检测报警，且误报率较低，为1％～2％。

随着电网规模不断扩大，传统集中式状态估计方法的数据通信与存储任务重、计算量大，难以满足现代电力系统状态估计需求。在计及系统状态估计非线性的基础上，将电力系统划分为若干个不重叠的子区域，并利用拉格朗日乘子法对状态估计方程进行解耦，建立电力系统多区域非线性状态估计模型。基于一致性理论建立全分布式状态估计方法对模型进行求解，该方法无需状态估计控制中心，只需各子区域交换一致性变量和边界节点的状态变量信息，各子区域便可平行独立地计算本地状态变量估计值，较集中式状态估计均衡了通信及计算负担。IEEE 14节点系统仿真结果验证了所提分布式状态估计方法的有效性。

今天小编就为大家分享一篇python cv2截取不规则区域图片实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

2010年ACM/ICPC珠海区域赛决赛题目

已有的边界控制方法主要是基于模型的反馈控制算法,其实际应用效果受制于模型参数的标定和环境的影响.迭代学习控制以完全跟踪为目标,仅利用较少的模型信息就可以沿迭代轴实现对系统期望输出的完全跟踪.基于城市交通流的重复特性,提出一种城市交通区域的迭代学习边界控制方法,给出跟踪误差收敛性分析.以日本横滨区域为对象分别进行3种场景的仿真:早高峰、晚高峰和中心区域拥堵.仿真结果表明,迭代学习控制方法对于各种场景下的区域路网交通均能达到较为理想的控制效果.

基于因子分析我国区域创新能力评价，董晓丹，，在经济全球化加快发展和区域竞争日益激烈的背景下，区域创新能力已经成为地区经济获取竞争优势的决定因素。区域创新能力是衡量区

区域生长算法，种子点选取