医学影像作业 基于医学影像配准+DUNet实现的视网膜血管检测_眼底血管分割源码+数据集+实验报告.zip 图像配准 眼底血管分割实验 详细操作说明 实验报告 【实验思路】 1.图像预处理： 单通道化RGB2Gray 归一化 对比度限制自适应直方图均衡化 伽马校正 2.图像分割成小块patch 3.torch写网络 Unet  - Unet++  4.训练与测试，计算每个小patch的train_loss和dice_score 5.合并图像 6.计算整体测度 【实验结果】 CHASE数据集用cuda训练batchsize为2，网络采用UNet++，轮数epoch=5，测试集结果：avarage Dice: **78.03%**, avarage Accuracy: **96.91%** DRIVE数据集用cpu训练batchsize为8，网络采用UNet，轮数epoch=5，测试集结

遥感影像配准系统研究

讲述激光点云与影像进行配置的原理，理解整个配准的过程。

多时相遥感影像配准后，将配准结果使用 Qt 模块化显示（使用 C++ 语言实现），目的是为了更方便的展示配准结果，代码备注非常详细，很适合学习使用！！！

RIFT-multimodal-image-matching-main.zip

通过分析机载雷达（LIDAR）点云数据与航空影像数据特点，提出了融合机载LIDAR点云和航空影像的建筑物轮廓探测方法。分别提取机载点云和航空影像中的部分建筑轮廓线，将轮廓线拟合成直线段的建筑物轮廓边，并以两相邻且垂直的轮廓边相交得到建筑的角点，根据建筑物的同名角点实现机载点云和航空影像的配准融合；将航空影像的光谱信息赋予机载点云，并将光谱信息作为特征向量进行聚类，分离出植被和树木等地物，利用高程信息从光谱信息相似的地面道路和建筑物中分离出建筑物，提取建筑物的轮廓边，完成建筑物轮廓的探测。实验结果表明，利用该方法进行建筑物点云的分类正确率可达97.96%，轮廓边的提取精度可达0.21 m，能够有效的实现建筑物轮廓的探测。

基于MFC和Opencv，实现对遥感影像的配准融合

基于SIFT特征的遥感影像配准的改进算法，王恒毅，朱红，尺度不变特征变换（Scale-invariant feature transform，SIFT）是一种具有尺度不变性的局部特征描述子，广泛用于图像处理配准领域。但在处理�

下载地图影像可自动配准地形图

快速鲁棒的多模态遥感自动配准系统，匹配性能全面超越目前的遥感商业软件ERDAS和ENVI，并提供了测试数据和说明书，可支持大尺度图像(如大于20000*20000个像素）