- 博客(10)
- 收藏
- 关注
RSS订阅原创 InSAR图像处理信号基础4
从整数（无穷）个Ω，到真正意义上的无穷个，这里的F函数就是系数，即每个虚指函数所对应的系数，由此可以得到相位谱和幅度谱。对于三角函数形式的函数，即为nΩ与An和fai之间的关系，对于虚指数信号即为nΩ与Fn的振幅，相位之间的关系。基频其实就是相邻的两个频率之间的距离，第三个就是两个零点之间的距离除以基频，就是一个区间内有多少个点。**按照傅里叶变换的公式进行计算：**采用定义，广义傅里叶变换，分解，其中后两种主要针对绝对不可积。，由此可导出一个nΩ所对应的Fn的振幅和相位，此时对应双边谱。
2024-05-10 13:40:52
1106
原创 PCLandOpen3d（点云读写）
代表以ascill编码，即用记事本可以打开，还有binary编码，记事本打开会乱码。open3d保存文件默认以ascill格式保存。代表后面每行有三个数字x，y，z，有时后面会跟上一些其他数字，如强度，rgb数值，法线向量等。b.更改lib和include文件目录。一般用的比较多的是pcd。
2024-04-25 12:33:31
522
1
原创 点云处理过程
通过计算点云描述子，匹配不同点云的描述子，Spin Image特征描述子：在 PCL 源码中的 spin_image.hpp 文件实现了该特征描述子的计算过程，步骤为:确定当前查询点，并确定查询点的旋转轴和旋转半径，根据半径得到查询点附近的k近邻，对于点云配准，不是点越多越好，适当的减少一些多余的点，可以减少计算负担，还可以增加精度，目的是在减少点的同时，尽可能保留点云的特征。SUAN检测：采用圆形模板，对于不同的位置，圆形模板所包含的面积是不同的，以此来判断点的类型，给定阈值即可判断，对于三维？
2024-04-25 09:26:20
2926
1
原创 干涉图处理全流程
（single类型的矩阵），接下来就是在matlab中编写各种滤波处理函数，之后使用上面的colormap进行输出，注意不能直接使用imshow进行输出，因为imshow对于double和single类型的数据识别的范围为0-1。palsar_20100113_144305425_A_HH_slc.shp 包含地理坐标的shp文件（地理坐标系，可与dem对照）显示就不能使用[-pi,pi]的值，必须把它映射到颜色map中，即0-1的rgb，或者0-255的rgb。或者直接使用论文的经纬度。
2024-04-20 00:01:21
1446
3
原创 peaks+randn+atan2+unwrap+mod函数
theta = angle(z) 为复数数组 z 的每个元素返回区间 [-π,π] 中的相位角。对每一列的起始位置进行计算，再对每一行进行运算（itoh算法），这个算法即使没有添加噪声也无法恢复原相位，所以不好。，表达式为 b = a - m.*floor(a./m)。b = mod(a,m) 返回 a 除以 m 后的余数，其中 a 是被除数，m 是除数。，计算时，可以先不带符号，按正数对正数取余来得出答案后，根据被余数a的符号来确定符号。与angle(cos(x) + sin(x)*i）= x 相同。
2024-04-17 14:48:24
492
原创 图像分割（图像分类）
参考：<<数字图像处理——使用MATLAB分析与实现>> 清华大学出版社 蔡利梅主编。包括种子点选取，相似性准则，区域停止生长条件。包括三个步骤：边界检测，边界改良，边界追踪。b.1 OTSU（最大类间方差法）缺点：对于边缘恰好为最值未判断。b.基于模式分类思路的阈值选择。b.Hough变换（检测直线）a.基于灰度直方图阈值分割。a.基于梯度的边界闭合。6.基于聚类的图像分割。
2024-04-09 14:36:12
416
原创 图像锐化（边缘检测）
对于imfilter函数，默认相关运算，即模板与函数对应相称，原数组补0，对于奇模板，直接补零即可，对于偶模板，如果指定偶数大小的核 h，则核的中心是 floor((size(h) + 1)/2)。6.频率域高通域滤波（将上一个文章的取值取反），因为边缘对应高频成分。a.梯度算子（梯度计算原理–>导数计算原理）细线型边缘，突变型边缘，渐变型边缘。3.一阶微分算子（针对突变型边缘）b.Robert算子（相邻点相减）1.什么是图像锐化（边缘检测）？c.Sobel算子（左右点相减）4.二阶微分算子(细线型边缘)
2024-04-07 16:46:49
915
原创 图像平滑（滤波）学习笔记
加性噪声一般指热噪声、散弹噪声等，它们与信号的关系是相加，不管有没有信号，噪声都存在。而乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号在它在，信号不在他也就不在。参考：<<数字图像处理——使用MATLAB分析与实现>> 清华大学出版社 蔡利梅主编。频率域滤波：利用正交变换（如小波变换，傅里叶变换），利用噪声点对应高频信息进行滤波。空间域滤波：利用模板运算，在原图像上进行处理。b.高斯滤波:即相邻像元取加权均值。a.均值滤波：即相邻像元取均值。c.中值滤波：即相邻像元取中值。
2024-04-06 20:21:27
579
1
转载 吴恩达深度学习L1W4
反向传播所需要的数据是上一层的dA,这一层cache存储的数据，注意：cache保存的是上一层的A，以及这一层的W，b。正向传播时，cache保存的是上一层的A，以及这一层的W，b，与此相对应的反向传播时grad保存的是上一层的dA。每一层的b：（本层节点数，1） 这里运用python广播，1实际为m。正向传播所需要的数据是上一层的A，以及这一层的W，b。每一层的W：（本层节点数，上一层节点数）每一层的Z：（本层节点数，m）每一层的A：（本层节点数，m）每一层的dw和db与W，b相同。
2024-04-03 18:15:07
78
1
转载 吴恩达深度学习W1L3（笔记）
参考：https://www.heywhale.com/mw/project/5dd3946900b0b900365f3a48。
2024-04-01 19:56:16
70
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人