- 遥感影像的切片处理
sand&wich
计算机视觉python图像处理
在遥感影像分析中,经常需要将大尺寸的影像切分成小片段,以便于进行详细的分析和处理。这种方法特别适用于机器学习和图像处理任务,如对象检测、图像分类等。以下是如何使用Python和OpenCV库来实现这一过程,同时确保每个影像片段保留正确的地理信息。准备环境首先,确保安装了必要的Python库,包括numpy、opencv-python和xml.etree.ElementTree。这些库将用于图像处理
- 遥感图像分割系统:融合空间金字塔池化(FocalModulation)改进YOLOv8
xuehaisj
YOLO人工智能计算机视觉yolov8
1.研究背景与意义项目参考AAAIAssociationfortheAdvancementofArtificialIntelligence研究背景与意义遥感图像分割是遥感技术领域中的一个重要研究方向,它的目标是将遥感图像中的不同地物或地物类别进行有效的分割和识别。随着遥感技术的不断发展和遥感图像数据的大规模获取,遥感图像分割在农业、城市规划、环境监测等领域具有广泛的应用前景。然而,由于遥感图像的特
- GIS数据处理软件:地理信息与遥感领域的智慧引擎
GeoSaaS
地理信息智慧城市数据库人工智能大数据gis
在地理信息与遥感技术的广阔天地间,数据处理软件如同一座桥接驳岸的智慧引擎,将海量的原始数据转化为决策的金矿,推动着城市规划、环境保护、灾害管理、资源开发等领域的深度变革。本文将深入解析其核心功能、技术前沿、应用实例及未来展望,探析数据处理软件如何为地理信息与遥感技术插上智慧的翅膀。数据处理软件的核心技术与功能矩阵数据清洗与格式转换:自动去除冗余杂乱码、异常值,格式标准化数据,确保后续处理的准确性与
- 枫叶的成长计划
小婷说
2019/12.23【行】毕:图分类,和鹰说清楚昨天的事,遥感复习到五十页,和白杨聊了聊昨天发生的事,买苹果未毕:c++未写,电影还没看1.找到给桌子的那个人2.早上七点起床做好标语准备买苹果啦3.遥感图分类问问黎霞小姐妹4.遥感背书二十五页5.做五道数学题嘻嘻嘻(˙︶˙)6.隔一小时发布买苹果消息7.中午和静雯吃饭(✪✪)晚上喝葵葵一起聊聊【见】今天是冬至好热闹,一大早群里的消息就把我惊醒,满屏
- [数据集][目标检测]卫星遥感舰船检测数据集VOC+YOLO格式2238张17类别
FL1623863129
数据集目标检测YOLO人工智能
数据集格式:PascalVOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数):2238标注数量(xml文件个数):2238标注数量(txt文件个数):2238标注类别数:17标注类别名称:[“AircraftCarrier”,“AuxiliaryShips”,“Cargo”,“Commander”
- 遥感多模态基础大模型汇总-实时更新
遥感-GIS
#遥感#图像处理深度学习#大模型#遥感大模型
本文内容来自下面链接,考虑到很多同学登录不了,故在此平台进行分享。遥感基础大模型TableofContentsModelsRemoteSensingVisionFoundationModels遥感视觉基础模型RemoteSensingVision-LanguageFoundationModels遥感视觉语言基础模型RemoteSensingGenerativeFoundationModels遥感生
- 基于Sentinel-1遥感数据的水体提取
遥感-GIS
sentinel图像处理arcgis
本文利用SAR遥感图像进行水体信息的提取,相比光学影像,SAR图像不受天气影响,在应急情况下应用最多,针对水体,在发生洪涝时一般天气都是阴雨天,云较多,光学影像质量较差,基本上都是利用SAR影像对受灾范围进行评估,故此本文重点描述SAR影像中的水体提取问题,目前应用较多的是Sentinel-1数据。本文结构:Sentinel-1数据的介绍Sentinel-1数据的预处理水体信息提取总结1Senti
- 遥感之智能优化算法大纲介绍
遥感-GIS
遥感之智能优化算法图像处理arcgis启发式算法
介绍近年来在遥感及人工智能领域研究比较火热的智能优化算法,其中被广泛使用的比如粒子群算法和遗传算法等,在遥感领域,比如高光谱特征选择,机器学习超参数优化等方向有众多的应用,除了提到了两个算法之外,还有众多其他算法,本专栏基于《智能优化算法与涌现计算》及其相关资料,对智能优化算法做些详细的整理和总结,以期给遥感或其他领域提供有价值的参考。书籍大纲为:第一篇仿人智能优化算法描述模拟人脑思维、人体系统、
- 遥感之机器学习树集成模型-CART算法之回归
遥感-GIS
遥感之机器学习树集成模型机器学习图像处理arcgis
本文在前面文章的基础上,连续介绍CART树在回归中的应用,其回归技术经常用于定量遥感领域,涉及各种地表参数含量的反演。主要分为如下几部分:回归概念描述回归树中数据集的划分准则CART回归树的原理和流程CART回归树的核心代码前面内容可参考:遥感之机器学习树模型专栏1回归概念机器学习中的回归建模以及相应的回归算法,在遥感领域对应的就是定量遥感分方向,比如水质参数反演,土壤中各种参数反演,森林各种生物
- 遥感影像-语义分割数据集:GID数据集详细介绍及训练样本处理流程
GIS潮流
计算机视觉人工智能机器学习
GID数据集:大规模高分卫星土地覆盖数据集原始数据集详情简介:GID是基于我国Gaofen-2卫星数据而构建的大规模高分辨率遥感图像土地覆盖数据集。GID数据集分为大规模分类集(GID-5)和精细土地覆盖集(GID-15)两个部分。大规模分类集(GID-5)包含建筑、农田、森林、草地和水域等5个土地覆盖类别,共计150景像素级标注的Gaofen-2卫星遥感图像。其中,训练集为120景图像,验证集为
- ENVI处理遥感教程及学习资料
有梦想的炸豆皮
ENVI
转载自http://blog.sina.com.cn/s/blog_764b1e9d0102y64u.html微博ENVI-IDL技术殿堂2017年ENVI-IDL遥感应用培训班素材及录屏共享2017年在8个城市共举办8场培训班。共有来自260多个单位的630多人参加。今年培训班继续以中国遥感应用协会和我公司的名义共同主办,部分地区与地方遥感协会、高校联合主办。培训时间依然是5天,内容上形成卫星图
- 遥感影像-语义分割数据集:Vaihingen数据集详细介绍及训练样本处理流程
GIS潮流
计算机视觉
原始数据集详情Vaihingen是一个相对较小的村庄,有许多独立的建筑和小的多层建筑。KeyValue卫星类型未知覆盖区域一个相对较小的村庄,有许多独立的建筑和小的多层建筑-Vaihingen场景城市分辨率5cm数量38张单张尺寸6000*6000原始影像位深8位标签图片位深8位原始影像通道数三通道标签图片通道数三通道官网https://www.isprs.org/education/benchm
- 【国外比较权威的免费的卫星数据网站——USGS Earth Explorer】
学地理的小胖砸
ENVI遥感遥感影像数据地理信息科学地图学卫星影像图像处理
USGSEarthExplorer网址:https://earthexplorer.usgs.gov/简介:USGSEarthExplorer是一个全面的卫星影像数据检索工具,提供历史卫星图像的下载和访问。它拥有NASALandsat系列卫星的遥感数据,这些卫星自1972年以来积累了宝贵的数据,对于历史分析、环境监测等方面具有不可替代的作用。此外,该网站还提供免费的高程模型数据,如NASA的AST
- 【目标检测数据集汇总】各类目标检测数据集VOC+YOLO格式地址汇总
熬夜写代码的平头哥∰
数据集目标检测YOLO目标跟踪
序号项目名称下载地址1【目标检测数据集】西红柿番茄成熟度检测640张3类别VOC+YOLO格式.zip点我下载2【目标检测数据集】轮船分类检测数据集500张4类别VOC+YOLO格式.zip点我下载3【目标检测数据集】手枪gun标注检测数据集VOC+YOLO格式3400张.zip点我下载4【目标检测数据集】蚊子检测数据集295张VOC+YOLO格式可训练.zip点我下载5【目标检测数据集】遥感类军
- SWAT模型高阶十七项案例分析实践技术
科研的力量
水文地质土壤SWAT模型DEM数据土地利用水资源时空分布特征CMIP6数据处理水资源
【案例实践】:1)遥感产品和SWAT模型快速建模2)基于水文响应单元(HRU)的水资源时空分布特征3)基于自定义流域与河道的SWAT模型建模与分析4)子流域划分原理及其对模型不确定性的影响5)坡度划分原理及其对模型不确定性的影响6)DEM数据空间分辨率及其模型不确定性的影响7)DEM数据来源及其对模型不确定性的影响8)DEM数据重采样方法及其模型不确定性的影响9)土地利用遥感解译及其在模型建模中的
- 2013-2023年 中国MOD17A3H植被净初级生产力(NPP)数据
小王毕业啦
大数据人工智能大数据社科数据
中国MOD17A3H植被净初级生产力(NPP)数据是基于NASA的MODIS卫星遥感数据计算得出的,这些数据对于评估生态系统碳收支、碳循环以及气候变化的影响具有重要意义。NPP数据可以反映植被通过光合作用固定大气中二氧化碳并转化为有机物质的能力,是衡量生态系统健康状况和生产力水平的重要指标。如果NPP呈现增加趋势,可能意味着生态系统的生产力在增强,有利于碳的固定和减少温室气体排放;反之,如果NPP
- WRF DA的安装、编译及运行;WRF DA变分资料同化、WRF DA混合同化新方法;变分同化的单点试验、混合同化的单点试验等
Teacher.chenchong
大气人工智能经验分享
数值预报已经成为提升预报质量的重要手段,而模式初值质量是决定数值预报质量的重要环节。资料同化作为提高模式初值质量的有效方法,成为当前气象、海洋和大气环境和水文等诸多领域科研、业务预报中的关键科学方法。资料同化新方法的快速发展,气象常规资料、卫星遥感观测和大气环境等多种资料日益增加,为资料同化的有效应用奠定了坚实的科学基础,也导致许多新的复杂科学问题,增加了实际应用的难度。有效提升广大科研、业务人员
- <数据集>遥感船舶识别数据集<目标检测>
深度学习lover
深度学习数据集目标检测人工智能计算机视觉YOLO深度学习
数据集格式:VOC+YOLO格式图片数量:15047张标注数量(xml文件个数):15047标注数量(txt文件个数):15047标注类别数:25标注类别名称:['AircraftCarrier','AuxiliaryShips','OtherShip','OtherWarship','Destroyer','Dock','Hovercraft','Submarine','Ferry','Barg
- ArcPy批量填充大量栅格图像NoData无效值的方法
疯狂学习GIS
本文介绍基于Python中ArcPy模块,对大量栅格遥感影像文件批量进行无效值(NoData值)填充的方法。 在处理栅格图像文件时,我们经常会遇到图像中存在有无效值(即NoData值)的情况。如下图所示,这里有一个矢量面要素图层和该矢量图层范围对应的一景栅格图像;可以看到,由于该栅格图像存在无效值NoData,因此栅格图像是没有完全遮盖矢量图层的。 在一些情况下,这些无效值可能会对我们的后
- 基于遥感解译与GIS技术生态环境影响评价图件制作
宝藏口袋
ArcGIS遥感生态环境大数据arcgis数据分析
《环境影响评价技术导则生态影响》(HJ19—2022)即将实施,其中生态影响评价图件是生态影响评价报告的必要组成内容,是评价的主要依据和成果的重要表现形式,是指导生态保护措施设计的重要依据。在众多图件中,土地利用图、植被类型图、植被覆盖度图、土壤侵蚀图等专题图的制作需用到大量的遥感和GIS技术。1、掌握遥感和GIS土地利用现状解译与制图技术2、掌握遥感和GIS植被分类与制图技术3、掌握遥感和GIS
- 基于R语言遥感随机森林建模与空间预测
weixin_贾
统计语言类模型分布式
随机森林作为一种集成学习方法,在处理复杂数据分析任务中特别是遥感数据分析中表现出色。通过构建大量的决策树并引入随机性,随机森林在降低模型方差和过拟合风险方面具有显著优势。在训练过程中,使用Bootstrap抽样生成不同的训练集,并在节点分裂时随机选择特征子集,这使得模型具备了处理高维和非线性数据的能力。随机森林对噪声和异常值具有鲁棒性,其预测结果通过对多棵树的集成投票或平均获得,减少了单个异常对结
- InSAR技术大揭秘:数据处理、地形重建、形变监测一网打尽!
AIzmjl
生态insar大地测量sar卫星时间序列
合成孔径雷达干涉测量(InterferometricSyntheticApertureRadar,InSAR)技术作为一种新兴的主动式微波遥感技术,凭借其可以穿过大气层,全天时、全天候获取监测目标的形变信息等特性,已在地表形变监测、DEM生成、滑坡、火山活动、冰川运动、人工建筑物形变信息提取等多种领域展开了成功应用。InSAR作为一种新兴的空间大地测量技术,克服了传统大地测量技术需要人工野外布点、
- GEE在灾害预警中的遥感云大数据应用及GPT模型辅助分析
AIzmjl
GPT生态遥感大数据gptgee灾害预警水体湿地遥感
随着遥感技术的快速发展,云大数据在灾害、水体与湿地领域的应用日益广泛。通过遥感云大数据,我们能够实时获取灾害发生地的影像信息,为灾害预警、应急响应提供有力支持。同时,在水体与湿地监测方面,遥感云大数据也发挥着重要作用,帮助我们了解水体的分布、变化以及湿地的生态状况。近年来,GPT模型在自然语言处理领域取得了显著成果,其强大的文本生成和理解能力为遥感云大数据的应用提供了新的可能。通过将GPT模型与遥
- MATLAB图像拼接算法及实现
程序员小溪
算法matlab计算机视觉MATLAB人工智能
图像拼接算法及实现(一)论文关键词:图像拼接图像配准图像融合全景图论文摘要:图像拼接(imagemosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像
- 挑战杯 基于机器视觉的图像拼接算法
laafeer
python
前言图像拼接在实际的应用场景很广,比如无人机航拍,遥感图像等等,图像拼接是进一步做图像理解基础步骤,拼接效果的好坏直接影响接下来的工作,所以一个好的图像拼接算法非常重要。再举一个身边的例子吧,你用你的手机对某一场景拍照,但是你没有办法一次将所有你要拍的景物全部拍下来,所以你对该场景从左往右依次拍了好几张图,来把你要拍的所有景物记录下来。那么我们能不能把这些图像拼接成一个大图呢?这是一个较为新颖的竞
- 无感
慢_简
万般小溪汇入河汉江淮澄江如练犹如一道清流时而温柔时而沁人心脾奔涛炙浪遥感如画之景,竟再无平静之意欲与江河势比美,也能会临绝顶攬日月高比天公能言矮,壮似山川不可攀举手平星辰,身动定河川心有万千阔,一叶一世界图片发自App
- GEE案例——如何sentinel-2影像利用NDWI归一化水体指数进行长时序水域分析(2015-2023年滇池为例)
此星光明
GEE案例分析前端服务器时序sentinel影像JavaScript面积
简介Sentinel-2是一颗遥感卫星,其提供的高分辨率数据可以广泛应用于环境监测、土地利用和水资源管理等领域。其中,利用归一化水体指数(NormalizedDifferenceWaterIndex,NDWI)来进行长时序水域分析是一种常见的方法。本文将介绍NDWI的定义和计算方法,并结合Sentinel-2影像的使用,详细说明如何进行长时序水域分析。首先,我们来看一下NDWI的定义和计算方法。N
- 中科星图(案例)——NDVI植被指数的计算和图例添加以及median和mosaic的影像拼接
此星光明
中科星图前端javascriptgvendvi植被指数云计算云平台
简介在GVE云平台上实现NDVI(NormalizedDifferenceVegetationIndex)植被指数的计算和图例添加,可以通过以下步骤进行:1.数据获取和准备首先,需要获取卫星影像数据,可以选择公开的遥感数据源,如Landsat、MODIS等。数据获取后,需要对数据进行预处理,包括数据格式转换、投影变换等,以确保数据的一致性和可用性。2.NDVI计算NDVI是通过计算红外波段和可见光
- 【MATLAB】赫尔默特方差分量估计算法
Lwcah
算法
微信公众号由于改变了推送规则,为了每次新的推送可以在第一时间出现在您的订阅列表中,记得将本公众号设为星标或置顶哦~有意向获取代码,请转文末观看代码获取方式~1文章简介文章DOI:10.1109/TGRS.2023.3265508链接:https://ieeexplore.ieee.org/document/10097458/keywords#keywords该篇文章讲的是一种遥感反演雪深的新方法,
- 英文论文(sci)解读复现【NO.18】基于DS-YOLOv8的目标检测方法用于遥感图像
人工智能算法研究院
英文论文解读复现目标跟踪人工智能机器学习
此前出了目标检测算法改进专栏,但是对于应用于什么场景,需要什么改进方法对应与自己的应用场景有效果,并且多少改进点能发什么水平的文章,为解决大家的困惑,此系列文章旨在给大家解读发表高水平学术期刊中的SCI论文,并对相应的SCI期刊进行介绍,帮助大家解答疑惑,助力科研论文投稿。解读的系列文章,本人会进行创新点代码复现,有需要的朋友可关注私信我获取。一、摘要改进的YOLOv8模型(DCN_C2f+SC_
- LeetCode[Math] - #66 Plus One
Cwind
javaLeetCode题解AlgorithmMath
原题链接:#66 Plus One
要求:
给定一个用数字数组表示的非负整数,如num1 = {1, 2, 3, 9}, num2 = {9, 9}等,给这个数加上1。
注意:
1. 数字的较高位存在数组的头上,即num1表示数字1239
2. 每一位(数组中的每个元素)的取值范围为0~9
难度:简单
分析:
题目比较简单,只须从数组
- JQuery中$.ajax()方法参数详解
AILIKES
JavaScriptjsonpjqueryAjaxjson
url: 要求为String类型的参数,(默认为当前页地址)发送请求的地址。
type: 要求为String类型的参数,请求方式(post或get)默认为get。注意其他http请求方法,例如put和 delete也可以使用,但仅部分浏览器支持。
timeout: 要求为Number类型的参数,设置请求超时时间(毫秒)。此设置将覆盖$.ajaxSetup()方法的全局
- JConsole & JVisualVM远程监视Webphere服务器JVM
Kai_Ge
JVisualVMJConsoleWebphere
JConsole是JDK里自带的一个工具,可以监测Java程序运行时所有对象的申请、释放等动作,将内存管理的所有信息进行统计、分析、可视化。我们可以根据这些信息判断程序是否有内存泄漏问题。
使用JConsole工具来分析WAS的JVM问题,需要进行相关的配置。
首先我们看WAS服务器端的配置.
1、登录was控制台https://10.4.119.18
- 自定义annotation
120153216
annotation
Java annotation 自定义注释@interface的用法 一、什么是注释
说起注释,得先提一提什么是元数据(metadata)。所谓元数据就是数据的数据。也就是说,元数据是描述数据的。就象数据表中的字段一样,每个字段描述了这个字段下的数据的含义。而J2SE5.0中提供的注释就是java源代码的元数据,也就是说注释是描述java源
- CentOS 5/6.X 使用 EPEL YUM源
2002wmj
centos
CentOS 6.X 安装使用EPEL YUM源1. 查看操作系统版本[root@node1 ~]# uname -a Linux node1.test.com 2.6.32-358.el6.x86_64 #1 SMP Fri Feb 22 00:31:26 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux [root@node1 ~]#
- 在SQLSERVER中查找缺失和无用的索引SQL
357029540
SQL Server
--缺失的索引
SELECT avg_total_user_cost * avg_user_impact * ( user_scans + user_seeks ) AS PossibleImprovement ,
last_user_seek ,
 
- Spring3 MVC 笔记(二) —json+rest优化
7454103
Spring3 MVC
接上次的 spring mvc 注解的一些详细信息!
其实也是一些个人的学习笔记 呵呵!
- 替换“\”的时候报错Unexpected internal error near index 1 \ ^
adminjun
java“\替换”
发现还是有些东西没有刻子脑子里,,过段时间就没什么概念了,所以贴出来...以免再忘...
在拆分字符串时遇到通过 \ 来拆分,可是用所以想通过转义 \\ 来拆分的时候会报异常
public class Main {
/*
- POJ 1035 Spell checker(哈希表)
aijuans
暴力求解--哈希表
/*
题意:输入字典,然后输入单词,判断字典中是否出现过该单词,或者是否进行删除、添加、替换操作,如果是,则输出对应的字典中的单词
要求按照输入时候的排名输出
题解:建立两个哈希表。一个存储字典和输入字典中单词的排名,一个进行最后输出的判重
*/
#include <iostream>
//#define
using namespace std;
const int HASH =
- 通过原型实现javascript Array的去重、最大值和最小值
ayaoxinchao
JavaScriptarrayprototype
用原型函数(prototype)可以定义一些很方便的自定义函数,实现各种自定义功能。本次主要是实现了Array的去重、获取最大值和最小值。
实现代码如下:
<script type="text/javascript">
Array.prototype.unique = function() {
var a = {};
var le
- UIWebView实现https双向认证请求
bewithme
UIWebViewhttpsObjective-C
什么是HTTPS双向认证我已在先前的博文 ASIHTTPRequest实现https双向认证请求
中有讲述,不理解的读者可以先复习一下。本文是用UIWebView来实现对需要客户端证书验证的服务请求,网上有些文章中有涉及到此内容,但都只言片语,没有讲完全,更没有完整的代码,让人困扰不已。但是此知
- NoSQL数据库之Redis数据库管理(Redis高级应用之事务处理、持久化操作、pub_sub、虚拟内存)
bijian1013
redis数据库NoSQL
3.事务处理
Redis对事务的支持目前不比较简单。Redis只能保证一个client发起的事务中的命令可以连续的执行,而中间不会插入其他client的命令。当一个client在一个连接中发出multi命令时,这个连接会进入一个事务上下文,该连接后续的命令不会立即执行,而是先放到一个队列中,当执行exec命令时,redis会顺序的执行队列中
- 各数据库分页sql备忘
bingyingao
oraclesql分页
ORACLE
下面这个效率很低
SELECT * FROM ( SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_FS_RETURN order by id desc) A ) WHERE RN <20;
下面这个效率很高
SELECT A.*, ROWNUM RN FROM (SELECT * FROM IPAY_RCD_
- 【Scala七】Scala核心一:函数
bit1129
scala
1. 如果函数体只有一行代码,则可以不用写{},比如
def print(x: Int) = println(x)
一行上的多条语句用分号隔开,则只有第一句属于方法体,例如
def printWithValue(x: Int) : String= println(x); "ABC"
上面的代码报错,因为,printWithValue的方法
- 了解GHC的factorial编译过程
bookjovi
haskell
GHC相对其他主流语言的编译器或解释器还是比较复杂的,一部分原因是haskell本身的设计就不易于实现compiler,如lazy特性,static typed,类型推导等。
关于GHC的内部实现有篇文章说的挺好,这里,文中在RTS一节中详细说了haskell的concurrent实现,里面提到了green thread,如果熟悉Go语言的话就会发现,ghc的concurrent实现和Go有点类
- Java-Collections Framework学习与总结-LinkedHashMap
BrokenDreams
LinkedHashMap
前面总结了java.util.HashMap,了解了其内部由散列表实现,每个桶内是一个单向链表。那有没有双向链表的实现呢?双向链表的实现会具备什么特性呢?来看一下HashMap的一个子类——java.util.LinkedHashMap。
- 读《研磨设计模式》-代码笔记-抽象工厂模式-Abstract Factory
bylijinnan
abstract
声明: 本文只为方便我个人查阅和理解,详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/
package design.pattern;
/*
* Abstract Factory Pattern
* 抽象工厂模式的目的是:
* 通过在抽象工厂里面定义一组产品接口,方便地切换“产品簇”
* 这些接口是相关或者相依赖的
- 压暗面部高光
cherishLC
PS
方法一、压暗高光&重新着色
当皮肤很油又使用闪光灯时,很容易在面部形成高光区域。
下面讲一下我今天处理高光区域的心得:
皮肤可以分为纹理和色彩两个属性。其中纹理主要由亮度通道(Lab模式的L通道)决定,色彩则由a、b通道确定。
处理思路为在保持高光区域纹理的情况下,对高光区域着色。具体步骤为:降低高光区域的整体的亮度,再进行着色。
如果想简化步骤,可以只进行着色(参看下面的步骤1
- Java VisualVM监控远程JVM
crabdave
visualvm
Java VisualVM监控远程JVM
JDK1.6开始自带的VisualVM就是不错的监控工具.
这个工具就在JAVA_HOME\bin\目录下的jvisualvm.exe, 双击这个文件就能看到界面
通过JMX连接远程机器, 需要经过下面的配置:
1. 修改远程机器JDK配置文件 (我这里远程机器是linux).
 
- Saiku去掉登录模块
daizj
saiku登录olapBI
1、修改applicationContext-saiku-webapp.xml
<security:intercept-url pattern="/rest/**" access="IS_AUTHENTICATED_ANONYMOUSLY" />
<security:intercept-url pattern=&qu
- 浅析 Flex中的Focus
dsjt
htmlFlexFlash
关键字:focus、 setFocus、 IFocusManager、KeyboardEvent
焦点、设置焦点、获得焦点、键盘事件
一、无焦点的困扰——组件监听不到键盘事件
原因:只有获得焦点的组件(确切说是InteractiveObject)才能监听到键盘事件的目标阶段;键盘事件(flash.events.KeyboardEvent)参与冒泡阶段,所以焦点组件的父项(以及它爸
- Yii全局函数使用
dcj3sjt126com
yii
由于YII致力于完美的整合第三方库,它并没有定义任何全局函数。yii中的每一个应用都需要全类别和对象范围。例如,Yii::app()->user;Yii::app()->params['name'];等等。我们可以自行设定全局函数,使得代码看起来更加简洁易用。(原文地址)
我们可以保存在globals.php在protected目录下。然后,在入口脚本index.php的,我们包括在
- 设计模式之单例模式二(解决无序写入的问题)
come_for_dream
单例模式volatile乱序执行双重检验锁
在上篇文章中我们使用了双重检验锁的方式避免懒汉式单例模式下由于多线程造成的实例被多次创建的问题,但是因为由于JVM为了使得处理器内部的运算单元能充分利用,处理器可能会对输入代码进行乱序执行(Out Of Order Execute)优化,处理器会在计算之后将乱序执行的结果进行重组,保证该
- 程序员从初级到高级的蜕变
gcq511120594
框架工作PHPandroidhtml5
软件开发是一个奇怪的行业,市场远远供不应求。这是一个已经存在多年的问题,而且随着时间的流逝,愈演愈烈。
我们严重缺乏能够满足需求的人才。这个行业相当年轻。大多数软件项目是失败的。几乎所有的项目都会超出预算。我们解决问题的最佳指导方针可以归结为——“用一些通用方法去解决问题,当然这些方法常常不管用,于是,唯一能做的就是不断地尝试,逐个看看是否奏效”。
现在我们把淫浸代码时间超过3年的开发人员称为
- Reverse Linked List
hcx2013
list
Reverse a singly linked list.
/**
* Definition for singly-linked list.
* public class ListNode {
* int val;
* ListNode next;
* ListNode(int x) { val = x; }
* }
*/
p
- Spring4.1新特性——数据库集成测试
jinnianshilongnian
spring 4.1
目录
Spring4.1新特性——综述
Spring4.1新特性——Spring核心部分及其他
Spring4.1新特性——Spring缓存框架增强
Spring4.1新特性——异步调用和事件机制的异常处理
Spring4.1新特性——数据库集成测试脚本初始化
Spring4.1新特性——Spring MVC增强
Spring4.1新特性——页面自动化测试框架Spring MVC T
- C# Ajax上传图片同时生成微缩图(附Demo)
liyonghui160com
1.Ajax无刷新上传图片,详情请阅我的这篇文章。(jquery + c# ashx)
2.C#位图处理 System.Drawing。
3.最新demo支持IE7,IE8,Fir
- Java list三种遍历方法性能比较
pda158
java
从c/c++语言转向java开发,学习java语言list遍历的三种方法,顺便测试各种遍历方法的性能,测试方法为在ArrayList中插入1千万条记录,然后遍历ArrayList,发现了一个奇怪的现象,测试代码例如以下:
package com.hisense.tiger.list;
import java.util.ArrayList;
import java.util.Iterator;
- 300个涵盖IT各方面的免费资源(上)——商业与市场篇
shoothao
seo商业与市场IT资源免费资源
A.网站模板+logo+服务器主机+发票生成
HTML5 UP:响应式的HTML5和CSS3网站模板。
Bootswatch:免费的Bootstrap主题。
Templated:收集了845个免费的CSS和HTML5网站模板。
Wordpress.org|Wordpress.com:可免费创建你的新网站。
Strikingly:关注领域中免费无限的移动优
- localStorage、sessionStorage
uule
localStorage
W3School 例子
HTML5 提供了两种在客户端存储数据的新方法:
localStorage - 没有时间限制的数据存储
sessionStorage - 针对一个 session 的数据存储
之前,这些都是由 cookie 完成的。但是 cookie 不适合大量数据的存储,因为它们由每个对服务器的请求来传递,这使得 cookie 速度很慢而且效率也不