针对全卷积神经网络多次下采样操作导致的道路边缘细节信息损失和道路提取不准确的问题,本文提出了多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取方法。首先,通过目视解译的方法制作大量的道路提取标签数据;其次,在残差网络ResNet-101的各个残差块中引入膨胀卷积和多尺度特征感知模块,扩大特征点的感受野,避免特征图分辨率减小和道路边缘细节特征的损失;然后,通过叠加融合和上采样操作将各个尺寸的道路特征图进行融合,得到原始分辨率大小的特征图;最后,将特征图输入Sigmoid分类器中进行分类。实验结果表明:本文方法的提取精度优于经典全卷积神经网络模型,准确率达到了98%以上,有效保留了道路的完整性及其边缘的细节信息。

针对图像中存在的对数螺旋线形状，提出了一种有效的对数螺旋线拟合方法。首先根据螺旋线的性质将已知图像中螺旋线的中心点约束在一个较小的区域内进行搜索，然后将从图像中获取的直角坐标系下的数据点通过坐标变换转换为能用直线形式表示的数据点，将对对数螺旋线的拟合转换为对直线的拟合。这一方法能快速、准确地拟合出图像中存在的对数螺旋线。

EVS1.0和EVS2.0 hal实现，可直接编译使用，通过控制rc文件设置开机启动或是其他阶段启动。

采用 dcmtk 开发的高性能医学影像文件 dicom 服务，包含测试工具

这是官方2023-02月发布发布的稳定版3DSlicer，里面已经安装了常用插件，并且做了分类处理，常用工具放在了智能医学所属栏里面，附带了中文包，可直接在设置里面选择中文。本软件适用于医学影像处理初学者。可根据用户习惯添加或者删除模块。

PyTorch是一个深度学习框架，它提供了各种工具和功能来构建、训练和部署深度学习模型。相比其他深度学习框架，例如TensorFlow，PyTorch更加易于使用和灵活。在PyTorch中，我们可以使用张量（tensor）对象来存储和操作数据。这些张量对象非常类似于NumPy数组，但是PyTorch的张量支持GPU加速和自动求导功能，这使得我们可以更快地进行运算和优化模型。除此之外，PyTorch还提供了一些内置的神经网络层和损失函数，以及预训练模型的接口。这些工具和功能使得我们可以轻松地构建和训练深度学习模型，而不需要从头开始编写所有的代码。 视频大小：2.8G

针对DInSAR(differential interferometric synthetic aperture radar)技术仅能获取雷达视线向(line of sight,LoS)形变的不足,研究了融合多卫星平台求解三维形变场的模型与算法。该算法基于多卫星轨道模式下具有不同成像几何的多源SAR影像联合求解矿区地表形变场。研究结果表明:采用该算法反演的下沉值与水准测量结果相互吻合,均方根误差为±4 mm,吻合程度优于单一影像源反演结果;垂直向位移场与等值线均表明下沉盆地向老采空区偏移,说明老采空区可能活化;东西向水平位移场与等值线符合开采沉陷地表移动规律,而且对于不同的成像模式,东西向水平移动的影响亦不同;由于卫星航向角的正弦值近乎为0,使得三维算法对南北向位移不敏感。

通过图像预处理、几何纠正、影像融合、数字镶嵌和图像增强等影像处理方法,制作了安徽省SPOT-5遥感影像图,采用面向对象的分类解译方法,对矿山开采造成的地面塌陷、崩塌、滑坡和水体污染等地质环境问题进行了逐一解译。安徽省地面塌陷区主要集中在淮南、淮北和宿州市,滑坡主要分布在露天开采的铁矿、石灰岩矿和方解石矿区。表明SPOT-5遥感影像数据能够有效地应用于矿山地质环境调查。

Google Earth是一款全球卫星地图集成软件,其最大特点是能够提供大量清晰度很高的卫星影像图及三维高程信息,对地质勘探有很高的实用价值。论文通过塔里木盆地油气勘探实例,利用Google Earth对柯坪地区进行综合地质解译,并分析新构造运动对该区油气聚集的影响。借助Google Earth对该区石灰窑鹰山组地层层序特征进行研究,认为鹰山组泥质灰岩段是油气储层和有效盖层,该段地层可能成为油气有利勘探目标。

今夕何夕 【医学影像分析】3D-CT影像的肺结节检测（LUNA16数据集）.zip