本文提出了一种新的无监督显着性合成Kong径雷达（SAR）图像变化检测方法。 图像的显着区域始终是有区别的，并且与其他区域不同，这使得它们很容易被注意到。 局部区域的强烈视觉对比度使显着性适合于指导SAR图像的变化检测，这两个图像之间存在差异。 通过将显着性提取应用于通过对数比运算符获得的初始差异图，可以得到显着性图，其中包括了大多数变化区域，并且同时很好地忽略了由斑点噪声引起的伪变化像素。 然后，通过对显着性图进行阈值处理，可以保留大多数兴趣区域，并进一步将其用于从初始SAR图像中提取区域以生成差异图像。 主成分分析（PCA）方法用于从局部补丁中提取特征，以合并空间信息并减少孤立像素的影响。 最后，采用k均值聚类来获得所提取特征的变化图，将其聚类为两类：变化区域和不变区域。 在五个真实和两个模拟SAR图像数据集上的实验结果证明了该方法的有效性。

ALIENTEK MiniSTM32开发板完整资料资料，硬件和资料配套的，自己不是搞嵌入式的，当时几百块买的一套，硬件共享不了，资料传上来给搞嵌入式的研究研究

NVIDIA GeForce GTX 全系列显卡超频程序

电子-ALIENTEKMINISTM32扩展实验1自定义汉字显示实验.rar,单片机/嵌入式STM32-F0/F1/F2

链接：https://blog.csdn.net/weixin_44315848/article/details/123972223

超萌萌的代码做的AIalien。

AlienVan 开坑快两年，但是弃坑大半年的项目。 最近有点时间了就简单填坑，也算是完成一件事吧！ 但是这个终归只是一个半成品，存在着很多问题，也就凑合用用。 现在onedrive index 网页挂载程序可供选择的已经很多很多了。也不差我这一个！ 写都写了，就做个演示吧，有很多bug 哈哈哈。 DEMO 界面截图 开发环境 操作系统 = 'Ubuntu18.04LTS' Code = 'python 3.6.7' WebFrame = 'django 2.2.4' 测试环境 = 'Ubuntu18.04LTS' AlienVan 成长日记 展开查看 (有点长哦，从下往上读) 添加文档说明和演示 简单的把某些坑给填了，做此封装 文件详细信息页显示图片缩略图！增加音乐文件和视频文件的辣鸡H5播放器（以后肯定会换那两个牛逼的东西） 文件详细信息页排版调整！增加文件下载，删除按钮钮和对应的功能

sf滤波器matlab代码显着性HDCT 在Matlab中实现“通过高维颜色变换和局部空间支持进行显着区域检测” 抽象的 在本文中，我们介绍了一种通过高维颜色变换自动检测图像显着区域的新颖技术。 我们的主要思想是将图像的显着性图表示为高维色彩空间的线性组合，其中显着区域和背景可以有区别地分开。 这是基于这样的观察：在人类感知中，显着区域与背景相比通常具有独特的颜色，但是人类感知通常是复杂且高度非线性的。 通过将低维RGB颜色映射到高维颜色空间中的特征向量，我们表明可以通过在高维颜色空间中找到颜色系数的最佳线性组合来将突出区域与背景线性分离。 我们的高维色彩空间结合了多种颜色表示形式，包括RGB，CIELab，HSV以及伽玛校正，以丰富其代表性功能。 我们在三个基准数据集上的实验结果表明，我们的技术是有效的，并且与以前的最新技术相比，它在计算上是有效的。 注意：我们的代码需要VLfeat库，可以从以下位置下载该库： 用法 安装所需的库并进行编译： VLfeat（） 直方图距离工具箱（） SQBlib（） 将测试图像保存在“图像”文件夹中。 运行main.m 我们在Windows 7环境的

sarimagematlab代码机场显着性 论文“多层抽象显着性用于 SAR 图像中的机场检测”的简单演示 用法 下载OpenCV 3.2.0 ，将 DLL 文件opencv\build\x64\vc14\bin\opencv_world320.dll到utils\文件夹。 运行Demo.m 。 引文 @article{liu2019multi, title={Multi-Layer Abstraction Saliency for Airport Detection in SAR Images}, author={Liu, Nengyuan and Cao, Zongjie and Cui, Zongyong and Pi, Yiming and Dang, Sihang}, journal={IEEE Transactions on Geoscience and Remote Sensing}, volume={57}, number={12}, pages={9820--9831}, year={2019}, publisher={IEEE} } @article{liu2018

2013年经典CVPR文章代码 Saliency Detection via Graph-Based Manifold Ranking