- 综合排序
- 最热优先
- 最新优先
- 来自专栏后端/图像融合/机器学习/爬虫
DenseFuse: A Fusion Approach to Infrared and Visible Images 阅读笔记
第一次跑动论文的代码 艾玛，太不容易了 终于上GPU版本的Pytorch了 论文代码 pytorch版本 tensorflow版本 参考 [1] DenseFuse: A Fusion Approach to Infrared
69410编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】DIVFusion: Darkness-free infrared and visible image fusion
SE实现对比度增强 纹理信息的损失函数考虑到了红外图像目标信息，保留更多的高频部分，纹理细节更加丰富了 论文读的有点糙，欢迎大佬们指正 参考 [1] DIVFusion: Darkness-free infrared
62610编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
FusionGAN: A generative adversarial network for infrared and visible image fusion 阅读笔记
看到这篇文章之前，我一直以为GAN和图像融合不会有什么关系，不得不说作者真的强，在看完百度百科的介绍之后，作者在我心里已经是神了
55510编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】Self-supervised feature adaption for infrared and visible image fusion
具体内容可以阅读原文==》https://arxiv.org/abs/1804.08361 或者可以参考博客讲解==》DenseFuse: A Fusion Approach to Infrared science/article/pii/S1566253518301143 或者可以参考博客讲解==》FusionGAN: A generative adversarial network for infrared 参考 [1] Self-supervised feature adaption for infrared and visible image fusion
47710编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】RFN-Nest: An end-to-end residual fusion network for infrared and visible images
而是使用神经网络来融合特征信息 损失函数方面提出了新颖的损失函数，从而保证RFN有很好的特征融合效果 参考 [1] RFN-Nest: An end-to-end residual fusion network for infrared
79610编辑于 2024-06-19 - 来自专栏后端/图像融合/机器学习/爬虫
【读论文】Real-time infrared and visible image fusion network using adaptive pixel weighting strategy
参考 [1] Real-time infrared and visible image fusion network using adaptive pixel weighting strategy
40910编辑于 2024-06-19 - 来自专栏ISP图像处理相关
【阅读笔记】自适应双平台直方图均衡算法《A new adaptive contrast enhancement algorithm for infrared images based on doubl
一、自适应双平台直方图均衡算法 《A new adaptive contrast enhancement algorithm for infrared images based on double plateaus
68110编辑于 2024-08-07 【阅读笔记】基于暗通道的红外图像增强Infrared traffic image enhancement algorithm based on dark channel prior and gamma
一、基于暗通道的红外图像增强Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction
12210编辑于 2026-02-17- 来自专栏嵌入式项目开发
4.4 51单片机-NEC红外线遥控器解码
=0; //红外接收标志，收到一帧正确数据后置1 u8 Infrared_RX_Buff[4];//红外代码接收缓冲区 sbit Infrared_GPIO=P3^2;//红外接收引脚--外部中断0 / */ void Infrared_Init(void) { Infrared_GPIO=1;//红外接收引脚默认保持高电平输出 TMOD&=0xF0; //清除配置 TMOD| if(Infrared_RX_Flag) //接收到红外数据 { Infrared_RX_Flag=0; //清楚标志 printf("user1:%d,user2:%d\r\n",(int)Infrared_RX_Buff[0],(int)((u8)(~Infrared_RX_Buff[1]))); printf("key1:%d,key2:%d\r\n",(int)Infrared_RX_Buff[2],(int)((u8)(~Infrared_RX_Buff[3]))); }
2.6K20编辑于 2022-01-12 - 来自专栏张国平_玩转树莓派
树莓派综合项目2：智能小车（五）红外避障
第3步：编写红外探测模块，文件名为infrared.py，与树莓派基础实验28：红外避障传感器实验中的Python程序基本相同，只是设置了类，重构了程序。 infrared.py： #! /usr/bin/env python3 #-*- coding: utf-8 -*- #本模块只含Infrared()一个类，用于红外避障模块测出是否有障碍物 #有障碍物时返回值0，无障碍物时返回值1 import RPi.GPIO as GPIO import time class Infrared(): InfraredPinLeft = 29 #左侧模块的输出连接树莓派29 = Infrared() infrared.setup() while True: infra_left_value,infra_right_value = Infrared() #初始化红外避障实例 infrared.setup() #初始化红外避障引脚 def ultra_control(): '''超声波传感器控制'''
1.7K10发布于 2021-03-02 - 来自专栏张国平_玩转树莓派
树莓派综合项目2：智能小车（五）红外避障
第3步：编写红外探测模块，文件名为infrared.py，与树莓派基础实验28：红外避障传感器实验中的Python程序基本相同，只是设置了类，重构了程序。 infrared.py： #! /usr/bin/env python3 #-*- coding: utf-8 -*- #本模块只含Infrared()一个类，用于红外避障模块测出是否有障碍物 #有障碍物时返回值0，无障碍物时返回值1 import RPi.GPIO as GPIO import time class Infrared(): InfraredPinLeft = 29 #左侧模块的输出连接树莓派29 = Infrared() infrared.setup() while True: infra_left_value,infra_right_value = Infrared() #初始化红外避障实例 infrared.setup() #初始化红外避障引脚 def ultra_control(): '''超声波传感器控制'''
3.1K00发布于 2021-02-10 - 来自专栏嵌入式项目开发
定时器+外部中断实现NEC红外线协议解码
{ if(Infrared_RX_Flag) //接收到红外数据 { Infrared_RX_Flag=0; [1]))); printf("key1:%d,key2:%d\r\n",(int)Infrared_RX_Buff[2],(int)((u8)(~Infrared_RX_Buff[3]))); } } } 2.2 INFRARED.c #include "Infrared.h" u8 Infrared_RX_Flag=0; //红外接收标志，收到一帧正确数据后置1 u8 */ void Infrared_Init(void) { Infrared_GPIO=1;//红外接收引脚默认保持高电平输出 TMOD&=0xF0; //清除配置 TMOD|=0x01; Infrared_RX_Flag; //红外接收标志，收到一帧正确数据后置1 extern u8 Infrared_RX_Buff[4]; //红外代码接收缓冲区 #endif
91610编辑于 2025-05-27 - 来自专栏腾讯云IoT
【开发者成长激励计划-基于TencentOS Tiny 智能纸巾盒方案】
#define infrared_PORT GPIOD#define infrared_PIN GPIO_Pin_7 //设置GPIO 口#define infrared_RCC RCC_APB2Periph_GPIOD #define INFRARED_STATE() GPIO_ReadInputDataBit(infrared_PORT,infrared_PIN)//读红外的状态void infrared_INIT( void)//红外测试{ GPIO_InitTypeDef GPIO_InitStructure;//定义结构体变量 RCC_APB2PeriphClockCmd(infrared_RCC, ; //设置浮空输入 GPIO_InitStructure.GPIO_Speed=GPIO_Speed_50MHz; //设置传输速率 GPIO_Init(infrared_PORT, 就通过INFRARED_STATE()可以获得了，好吧上代码。
3.6K654编辑于 2022-08-01 - 来自专栏GEE遥感大数据学习社区
重大新闻：Landsat 9 卫星影像已开放下载
satellite’s Operational Land Imager 2 (OLI-2) captures observations of the Earth’s surface in visible, near-infrared , and shortwave-infrared bands, while its Thermal Infrared Sensor 2 (TIRS-2) measures the thermal infrared The image was built using infrared, red, and blue bands of the electromagnetic spectrum. atmospheric interference to best mirror on-the-ground conditions, as recorded here in the short-wave infrared , near infrared and red bands of the electromagnetic spectrum.
92720编辑于 2022-09-20 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集——1986—2022年DEA （Digital Earth Australia ）澳大利亚数字地球项目几何中值和绝对偏差中值 - Landsat 7 3.1.0 （25m分辨率）
geometric median. red 0* 10000* 0.630-0.690 μm Band red surface reflectance geometric median. near_infrared 0* 10000* 0.760-0.900 μm Band near infrared surface reflectance geometric median. shortwave_infrared _1 0* 10000* 1.550-1.750 μm Band shortwave infrared 1 surface reflectance geometric median. shortwave_infrared _2 0* 10000* 2.080-2.350 μm Band shortwave infrared 2 surface reflectance geometric median.
27210编辑于 2024-04-04 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——数据全解析专辑（ASTER L1T Radiance）
ASTER can collect data in 14 spectral bands from the visible to the thermal infrared. , nadir pointing) 1 255 15 meters 0.780-0.860µm B04 SWIR_Band4 (short-wave infrared) 1 255 30 meters infrared) 1 255 30 meters 2.185-2.225µm B07 SWIR_Band7 (short-wave infrared) 1 255 30 meters 2.235-2.285µm B08 SWIR_Band8 (short-wave infrared) 1 255 30 meters 2.295-2.365µm B09 SWIR_Band9 (short-wave infrared TIR_Band11 (thermal infrared) 1 4095 90 meters 8.475-8.825µm B12 TIR_Band12 (thermal infrared) 1 4095
45810编辑于 2024-02-02 - 来自专栏嵌入式项目开发
STM32入门开发: NEC红外线协议解码(超低成本无线传输方案)
(); //得到低电平时间 if(time<7000||time>10000)return; //标准时间: 9000us time=Infrared_GetTime_H() 3.1 红外线解码.c #include "nec_Infrared.h" u8 InfraredRecvData[4]; //存放红外线解码接收的数据 u8 InfraredRecvState=0; //0表示未接收到数据,1表示接收到数据 /* 函数功能: 红外线解码初始化(接收) */ void Infrared_RecvInit(void) { Infrared_Time6_Init (); //得到低电平时间 if(time<7000||time>10000)return; //标准时间: 9000us time=Infrared_GetTime_H() "key.h" #include "usart.h" #include "at24c02.h" #include "W25Q64.h" #include "spi.h" #include "nec_Infrared.h
2.8K20编辑于 2022-01-12 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集——1988—2012年DEA （Digital Earth Australia ）澳大利亚数字地球项目几何中值和绝对偏差中值 - Landsat 5 3.1.0（25m分辨率）
geometric median. red 0* 10000* 0.630-0.690 μm Band red surface reflectance geometric median. near_infrared 0* 10000* 0.760-0.900 μm Band near infrared surface reflectance geometric median. shortwave_infrared _1 0* 10000* 1.550-1.750 μm Band shortwave infrared 1 surface reflectance geometric median. shortwave_infrared _2 0* 10000* 2.080-2.350 μm Band shortwave infrared 2 surface reflectance geometric median.
22910编辑于 2024-04-04 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine—该数据集提供了格陵兰岛冰盖的完整的15米分辨率的图像，该图像来自1999年至2002年的Landsat 7 ETM+和RADARSAT-1 SAR图像
green 15 meters 0.52 - 0.60 µm B3 Landsat 7 ETM+ red 15 meters 0.63 - 0.69 µm B4 Landsat 7 ETM+ near infrared 15 meters 0.77 - 0.90 µm B5 Landsat 7 ETM+ shortwave infrared 1 30 meters 1.55 - 1.75 µm B6_low_gain Landsat 7 ETM+ low-gain thermal Infrared 1. Resampled from 60m to 30m. 30 meters 10.40 - 12.50 µm B6_high_gain Landsat 7 ETM+ high-gain thermal Infrared Resampled from 60m to 30m. 30 meters 10.40 - 12.50 µm B7 Landsat 7 ETM+ shortwave infrared 2 30 meters
43710编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
LANDSAT_7/02/T1/RAW的Landsat7_C2_RAW类数据集
Green（绿色波段） 分辨植被 B3 30 0.63 - 0.69 Red（红色波段） 处于叶绿素吸收区域，对道路、裸露土壤、植被种类具有良好的观测效果 B4 30 0.76 - 0.90 Near infrared （近红外） 用于估算生物数量，可以区分植被和水体，分辨潮湿土壤，但是对于道路的辨认效果逊于B3 B5 30 1.55 - 1.75 Shortwave infrared 1（中红外） 可分辨道路、裸露土壤 、水，在不同植被间具有良好的对比度，有较好的穿透大气、云雾的能力 B6_VCID_1 30 10.40 - 12.50 Low-gain Thermal Infrared 1（热红外） This band 感应发出热辐射的目标 B6_VCID_2 30 10.40 - 12.50 High-gain Thermal Infrared 1（热红外） High-gain Thermal Infrared 1. 感应发出热辐射的目标 B7 30 2.08 - 2.35 Shortwave infrared 2（中红外） 可分辨岩石、矿物，也可用于辨识植被覆盖和湿润土壤 B8 15 0.52 - 0.90 Panchromatic
37810编辑于 2024-02-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号