摘要: r=Mx+b 已知M求x用最小二乘法可以求得。 阅读全文
posted @ 2024-04-04 12:18 祥瑞哈哈哈 阅读(1) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/qq_27930679/article/details/110630924 阅读全文
posted @ 2024-03-25 15:40 祥瑞哈哈哈 阅读(6) 评论(0) 推荐(0) 编辑
摘要: gulfport处理数据的过程1.去掉测试集有噪音的特征。2.把测试集高光谱变为二维矩阵特征数乘以像素数。3.测试集数据进行归一化。4.导入训练集。5.去掉训练集的多余特征。6.找到训练集的背景信息。7.然后对归一化求均值。8.计算背景数据集的协方差。9.直接用ACE公式探测了。toydata处理数 阅读全文
posted @ 2023-12-19 15:13 祥瑞哈哈哈 阅读(1) 评论(0) 推荐(0) 编辑
摘要: 经纬度数据插值 阅读全文
posted @ 2023-12-06 13:03 祥瑞哈哈哈 阅读(10) 评论(0) 推荐(0) 编辑
摘要: Compressed Sensing with Deep Image Prior and Learned Regularization这篇论文讲的是用一个生成模型去复原原图像。 y=Ax+b x是原图片,b是噪音,论文创建了一个方法x=G(z,w),用Ax拟合y最终得到x的生成模型从而复原x。 阅读全文
posted @ 2023-11-29 11:11 祥瑞哈哈哈 阅读(3) 评论(0) 推荐(0) 编辑
摘要: 经纬度只能保留8位高度4位,所以精度保留太高也没有用。 阅读全文
posted @ 2023-11-17 09:43 祥瑞哈哈哈 阅读(15) 评论(0) 推荐(0) 编辑
摘要: import piexif from PIL import Image # Read Image fname = 'Wide.JPG' img = Image.open(fname) exif_dict = {"GPS":{}} exif_dict['GPS'][piexif.GPSIFD.GPSL 阅读全文
posted @ 2023-11-16 20:32 祥瑞哈哈哈 阅读(88) 评论(0) 推荐(0) 编辑
摘要: 缺点是图片必须带有经纬度信息否者就会报错,仅限于在含有gps信息的jpg上修改图片。 import piexif from PIL import Image # Read Image fname = 'Wide.JPG' img = Image.open(fname) exif_dict = pie 阅读全文
posted @ 2023-11-16 20:24 祥瑞哈哈哈 阅读(52) 评论(0) 推荐(0) 编辑
摘要: 阅读全文
posted @ 2023-11-15 16:25 祥瑞哈哈哈 阅读(5) 评论(0) 推荐(0) 编辑
摘要: zip -r archive.zip 1024black/ 把文件弄成压缩包然后下载 阅读全文
posted @ 2023-11-14 13:33 祥瑞哈哈哈 阅读(7) 评论(0) 推荐(0) 编辑