课程介绍课程来自于五分钟一条原创视频，纯AI处理，单条视频热度上千万文件目录所用工具.txtAI指令.txt1.项目介绍.m42.项目实操和注意事项.m4竖版视频.m4横板视频.m4...

2024-02-27

999小儿氨酚黄那敏颗粒的作用1.缓解儿童感冒症状999小儿氨酚黄那敏颗粒是一种儿童用感冒药，其作用是缓解儿童感冒症状，如发烧、头痛、鼻塞、流涕、咽痛、咳嗽等。2.降低儿童感冒发烧999小儿氨酚黄那敏颗粒中的对乙酰氨基酚具有解热镇痛的作用，可以降低儿童感冒发烧。3.缓解儿童感冒鼻塞流涕999小儿氨酚黄那敏颗粒中的马来酸氯苯那敏具有抗组胺作用，可以缓解儿童感冒鼻塞流涕。4.缓解儿童感冒咽痛咳嗽999小儿氨酚黄那敏颗粒中的盐酸金刚烷胺具有抗病毒作用，可以缓解儿童感冒咽痛咳嗽。999小儿氨酚黄那敏颗粒的用法用量儿童6-12岁，一次1袋，一日3次。儿童1-6岁，一次半袋，一日3次。999小儿氨酚黄那敏颗粒的注意事项本品为儿童用药，成人禁用。对本品过敏者禁用。服用本品后如有皮疹、瘙痒等过敏反应，应立即停药并就医。服用本品后不可驾驶机动车或操作机械。服用本品期间不可饮酒。孕妇及哺乳期妇女禁用本品。服用其他药物时，应告知医生或药师，以避免药物相互作用。本品应在医生或药师的指导下使用。...

2024-01-09 咽痛 儿童感冒吃什么药 咽痛 儿童感冒怎么办

...

2023-12-28 纯电动汽车比亚迪秦 口碑最好的纯电动汽车比亚迪

...

2023-12-28 925银银饰店回收吗 925银银饰多少钱一克

...

2023-12-28 银子银饰英文 银子银饰

...

2023-12-28 银子纯银好还是足银好 银子纯银999

...

2023-12-27 劳斯莱斯银魅长什么样 劳斯莱斯银魅多少钱一辆

...

2023-12-27 埃安汽车百科 埃安广汽

...

2023-12-27 资生堂护肤品怎么样 资生堂护肤品保质期几年

...

2023-12-27 希思黎是哪个国家的品牌 希思黎全能乳功效与作用

图书名称：《智能信息处理》【作者】黄忠华，王克勇，李银林，宋承天【丛书名】国之重器出版工程【页数】346【出版社】北京：北京理工大学出版社,2021.01【ISBN号】978-7-5682-9450-8【价格】78.00【分类】人工智能-信息处理-高等学校-教材【参考文献】黄忠华，王克勇，李银林，宋承天.智能信息处理.北京：北京理工大学出版社,2021.01.图书封面：《智能信息处理》内容提要：本书从多学科的综合的角度，以顶层向下的相结合的形式说明了智能信息处理的基础……...

2023-12-25

图书名称：《胎产心法》【作者】（清）阎纯玺撰【丛书名】中国医学大成续集【页数】878【出版社】上海：上海科学技术出版社,2000.12【ISBN号】7-5323-5240-4【价格】81.00【分类】中国医药学-总集【参考文献】（清）阎纯玺撰.胎产心法.上海：上海科学技术出版社,2000.12.《胎产心法》内容提要：...

2023-12-24 epub mobi pdf区别 epub mobi azw3哪个好

银河生物公司（银鲹）是一家致力于海洋生物研究、开发和保护的生物科技公司。公司成立于2010年，总部位于厦门，在北京、上海、深圳、广州、青岛等地设有分公司。银河生物公司主要从事海洋生物的基因组学、蛋白质组学、代谢组学和系统生物学研究，以及海洋生物资源的开发和保护。公司拥有先进的科研设备和一支经验丰富的科研团队，在海洋生物领域取得了多项重大成果。银河生物公司主要业务包括：**海洋生物基因组学研究：**公司利用基因组测序技术，对海洋生物的基因组进行测序和分析，以了解海洋生物的遗传多样性和进化关系，为海洋生物资源的开发和保护提供基础数据。**海洋生物蛋白质组学研究：**公司利用蛋白质组学技术，对海洋生物的蛋白质进行鉴定和分析，以了解海洋生物的蛋白质表达模式和功能，为海洋生物资源的开发和保护提供基础数据。**海洋生物代谢组学研究：**公司利用代谢组学技术，对海洋生物的代谢物进行鉴定和分析，以了解海洋生物的代谢途径和代谢产物，为海洋生物资源的开发和保护提供基础数据。**海洋生物系统生物学研究：**公司利用系统生物学技术，对海洋生物的基因组、蛋白质组和代谢组进行综合分析，以了解海洋生物的系统生物学特征，为海洋生物资源的开发和保护提供基础数据。**海洋生物资源的开发：**公司利用海洋生物研究成果，开发海洋生物新产品，包括海洋生物药品、海洋生物保健品、海洋生物化妆品、海洋生物食品等。**海洋生物资源的保护：**公司致力于海洋生物资源的保护，开展海洋生物保护研究，制定海洋生物保护措施，为海洋生物资源的可持续利用提供保障。银河生物公司在海洋生物领域取得了多项重大成果，为海洋生物资源的开发和保护做出了重要贡献。公司未来将继续致力于海洋生物研究，为海洋生物资源的可持续利用提供更多的科技成果。...

2023-12-20 银河生物 海洋生物资源有限公司 银河生物 海洋生物资源有哪些

图书名称：《B股攻略》【作者】吴孔银编著【丛书名】聚焦B股【页数】274【出版社】广州：广州出版社,2001.05【ISBN号】7-80655-158-1【价格】15.80【分类】股票-证券交易-中国-指南【参考文献】吴孔银编著.B股攻略.广州：广州出版社,2001.05.《B股攻略》内容提要：本书详细地介绍了B股的基本知识、B股的开户流程、B股的交易规则、B股的行情分析等内容。...

2023-12-19 广州出版社的书怎么样 广州出版社官网购书

图书名称：《高光谱遥感目标检测》【作者】张建祎，王玉磊，薛白，王琳，于纯妍等作；张兵，张立福总主编【丛书名】高光谱遥感科学丛书【页数】283【出版社】武汉：湖北科学技术出版社,2021.07【ISBN号】978-7-5706-1198-0【价格】218.00【分类】遥感图像-图像处理-目标检测-研究【参考文献】张建祎，王玉磊，薛白，王琳，于纯妍等作；张兵，张立福总主编.高光谱遥感目标检测.武汉：湖北科学技术出版社,2021.07.图书封面：图书目录：《高光谱遥感目标检测》内容提要：《高光谱遥感科学丛书》（1-6册）分别从信息获取、信息处理、目标检测、混合光谱分解、岩矿高光谱遥感、植被高光谱遥感六个方面系统地介绍了高光谱遥感的最新研究技术成果及应用前沿。《高光谱遥感目标检测》为“高光谱遥感科学丛书”系列典型应用学术专著之一，高光谱遥感目标检测是高光谱遥感全科技链条（包括基础理论、数据获取、信息处理与多学科应用等）的重要环节，是提高高光谱遥感技术及其应用水平的关键所在。本书适合高等院校遥感相关专业的师生及相关研究院所的研究人员及技术工作者参考学习。《高光谱遥感目标检测》内容试读第1章绪论目标检测是高光谱图像处理领域的研究热点，从不同的角度，高光谱图像目标检测又可有多种分类方法。目前传统的目标检测分类主要包括：根据待测目标已知信息的多少，高光谱目标检测可以分为监督式目标检测与非监督式目标检测两类：根据待检测目标的尺寸大小，高光谱目标检测又可分为亚像元目标检测（待测目标小于像元）和纯像元目标检测（待测目标大于像元)等。区别于上述对目标检测的分类方法，本书从一种全新的角度来看待高光谱目标检测问题，根据高光谱目标检测的应用背景，将其分为主动目标检测与被动目标检测两种。主动目标检测需要提前知道一定量的待测目标信息。在军事应用中的侦察(recoaiace)就是一种主动目标检测。例如美国军方利用U2侦察机、无人机进行空袭、搜救、搜索，或是利用激光雷达(lightdetectioadragig,LiDAR)对可疑目标进行侦察。被动目标检测则是在完全不知环境特征，也不知待测目标特征的情况下，对目标进行搜寻。在军事应用中的监察(urveillace)就是一种被动目标检测。例如，美国军方利用机载报警与控制系统(airorewarigadcotrolytem,AWACS)在潜在威胁区域针对不寻常活动或是非常规目标进行监视。再比如农业上利用前视红外(forwardlookigifrared,FLIR)传感器对异常现象进行监视等。1.1概述目标检测是高光谱图像的主要优势应用之一，其优势在亚像元检测中尤为突出。亚像元检测时，由于往往不能提前获得全部的目标信息，检测难度非常大，但高光谱具有极丰富的光谱信息，这一优势将有效弥补亚像元检测信息不足这一缺陷。在本章中，我们根据目标检测所需的先验信息的量，将目标检测分为两种进行对比讨论。第一种为主动式高光谱目标检测，通常需要感兴趣目标的先验知识，这种检测手段经常被。1G高光谱遥感目标检测N应用于侦察中。在侦察中，待侦察的目标物的先验知识是需要提前确定的。例如，第4章介绍的正交子空间投影(orthogoaluacerojectio,OSP)算法，就是一种需要目标先验知识完全已知的检测算法；约束能量最小化算法(cotraiedeergymiimizatio,CEM)由Harayi和Chag于1993年提出，该算法是一种需要部分先验知识的检测算法，仅需提前确定待测目标物的特性，而不需要确定背景的特性；自动目标生成算法(automatictargetgeeratioroce,ATGP)由Re和Chag于2003年提出，该算法是一种不需任何先验日标知识的检测手段。另外，端元提取也是一种在目标检测中值得关注的技术手段，其假设前提是纯像元存在于数据中。这种假设满足时，端元提取算法其实是以主动模式进行端元提取。另一种为被动式高光谱目标检测，是一种不需要任何先验知识的检测手段，通常应用于没有特定目标场合的监控。例如，异常检测是在没有先验知识或是人眼判别知识的情况下，对非期望出现的目标进行检测。端元寻找也是一种被动目标检测手段。不同于端元提取，端元寻找不需要提前假设端元存在于数据中，而是利用像元提取的准则，在高光谱图像中寻找类似端元的目标。换句话说，端元寻找是一种在不假设数据中存在纯端元的情况下，以被动模式进行的端元提取算法。本书将以这两种目标检测为主线，对多种高光谱目标检测算法展开详细讨论。1.2主动目标检测主动目标检测是对一种已知特性的目标进行检测。这种目标的特性可以由先验知识或者一些非监督算法获得。当目标的已知信息是通过先验知识，或者是通过人为观察而获得的，这种主动目标检测又可以称为主动式先验高光谱目标检测。当目标的已知信息并不是由先验知识获得，而是通过某种非监督算法获得的后验信息，并利用这种后验信息作为高光谱目标检测的期望目标知识，此时的主动目标检测又可以称为主动式后验高光谱目标检测。1.2.1主动式先验高光谱日标检测主动状态下的日标检测通常假设待测数据中含有我们感兴趣的目标，其目的是通过目标检测算法寻找到这些目标。因而主动目标检测不适用于待测数据中无感兴趣目标的情况。1.目标先验知识是完全已知的当先验知识完全已知，可以通过基于信噪比的正交子空间投影(OSP)实现对目标的检测。该方法原理简单、结构简洁，由Harayi和Chag于1994年提出，在本书第4章4,4节也会做详细的论述。这种方法已知完全的目标先验知识，类目标光谱特性：m:,m2,…,·2·AAA【第1章绪论1m。该方法假设上述目标特性中有一种为期望目标特性，例如：假设特性m。为期望目标特性，则其他特性被认为是非期望目标特性。OSP算法首先利用OSP算子，通过正交投影原理消除干扰和非期望目标特性，其定义为P。=I一UU#=I一U(UU)1UT,其中U=[m,m2…,m。-],再将信噪比作为检测准则，通过匹配滤波原理检测与m。相似的特性。2.目标先验知识是部分已知的由于高光谱图像具有显著的高光谱分辨率，高光谱成像设备采集的图像包含了大量的背景信息，往往导致图像背景部分非常复杂，使得我们几乎不可能获得背景的所有先验信息，这种情况在处理高光谱数据时时常发生。因此，实际应用中，多数目标检测算法都是基于部分先验信息的，这类方法假设仅有感兴趣的目标光谱是已知的，而背景信息是未知的。例如，在(OSP算法中，我们假设类目标光谱m1,m2,…,m。是已知的，对于其中某一类目标的检测，可以将类目标光谱分解为感兴趣的期望目标光谱d(假设为m。)和不感兴趣的其他目标光谱U=[m,m2…,m。-1],并将其作为需要抑制的光谱特性，通过OSP算子进行消除。不同于OSP算法，CEM算法通过全局像元样本的协方差矩阵R的逆矩阵R,取代OSP算法中的OSP算子P,来实现对感兴趣的目标d以外的背景特性的压抑。自OSP与CEM算法产生以来，两者皆得到了广泛的应用。同时，在此基础上，产生了许多基于d和U的扩展算法。受Frot的自适应波束形成方法启发，Re和Chag于l999年提出了一种线性约束方差最小化(liearlycotraiedmiimumvariace,LCMV)算法，将CEM中单一的感兴趣目标光谱d扩展为一组由类个目标光谱组成的集合D=[d1,d2,d]。由于LCMV方法没有讨论U的作用，Re与Chag于2o06年又进一步将LCMV与OSP进行结合，提出了一种目标约束干扰最小化(target-cotraiediterferece-miimizedfilter,TCIMF)算法。该方法可以对含有个目标光谱的集合D=[d1,d2,…,d,]进行检测，同时对非期望特性U进行消除以及利用R对D和U以外的背景目标特性进行压抑。在后续的研究中，Du和Chag引入第三种影响特性一干扰特性，该特性用I矩阵表示。两人针对这一特性的影响提出了信号分解干扰清除滤波器(iga-decomoitioiter-ferer-aihilatiofilter,SDIAF)。SDIAF方法是TCIMF方法的一种延伸，通过抑制干扰特性的作用进一步增强检测性能。为了进一步总结以上所述的5种目标检测方法—OSP、CEM、LCMV、TCIMF和SDIAF,图1.1显示了这5种方法的发展过程及其相关关系。1.2.2主动式后验高光谱日标检测主动式后验高光谱日标检测主要存在两种手段：其一，寻找后验目标信息，如在没有先验知识的情况下从数据中寻找人造日标：其二，提取端元，一般情况下，端元光谱特性纯净，。3·G高光谱遥感目标检测全部先验知识OSP(d.UTCIMF(D.U)SDIAF(D.U.I)部分先验知识CEM(d)LCMV(D,U图1.1OSP、CEM、I,CMV、TCIMF和SDIAF的发展过程及其相关关系可以提供用于区分目标光谱类别的重要信息1.寻找后验目标信息在1.2.1中讨论的先验高光谱目标检测问题，涉及算法OSP、CEM、LCMV、TCIMF和SDIAF,这些算法通常有特定的感兴趣的一个期望目标d或者一组期望目标D,d或者D是由真实地物或者视觉判别所提供的先验知识。另外，在OSP算法中，还需要不感兴趣的非期望目标特性U。CEM、LCMV和TCIMF算法不需要U的信息，而是通过设计FIR滤波器，限制其仅允许d或D方向的信号通过，同时使其他信号输出的最小二乘误差最小化但是，在许多场合中，期望目标信息D和非期望目标信息U、【无法获取。在这种情况下，D、U和I需要通过无先验知识的非监督式方法获取。也就是说，在没有先验知识的情况下，我们仍需知道何种目标存在于数据中。此时，算法需要在数据中通过非监督方法寻找我们感兴趣的目标特性。通过这种方法寻找到的目标，则是一种后验目标，而这种目标所提供的信息则称为目标后验信息，视为目标的后验知识。目标后验知识与其先验知识有着很大的不同。目标先验知识通常是先验获得的，由光谱库中的信息或者是人眼判别而来。目标后验知识则是从高光谱图像数据中获得的，这种后验信息可以作为先验目标检测算法中所需的先验知识，从而利用1.2.1中讨论的先验目标检测算法进行目标检测。所以，先验目标检测算法中的期望目标，既可以是目标先验信息，也可以是目标后验信息。寻找目标后验信息的算法将会在本书第7章中详细讨论，例如自动目标生成方法(utomatictargetgeeratioroce,.ATGP),非监督非负约束最小二乘法(uuerviedoegativitycotraiedleatquare,UNCLS)、非监督全约束最小二乘法(uuerviedfullycotraiedleatquare,UFCLS)和高阶统计量目标检测。2.端元提取前面所述的后验高光谱日标检测方法，是产生一个后验目标特性并利用这一目标特性进行目标检测。如何寻找这些后验目标，完全由所设计的算法决定。另一种方法是寻找纯像元或纯特性的目标，端元提取算法可以满足这种需求。但是，该方法假设图像中存在端元，如果不满足该假设，从图像中提取出的特性并没有意义。值得注意的是，根据Chag在2016年的研究成果表述，两种广泛应用的端元提取算法，。4·X1第1章褚论1即顶点成分分析法(vertexcomoetaalyi,VCA)和单形体体积增长法(imlexgrowigalgorithm,SGA),同自动目标生成方法(automatictargetgeeratioroce,ATGP)结果一致，所以本书主要利用ATGP算法为主动目标检测提供所需要的后验信息。图1.2展示了本书中所涉及的高光谱主动目标检测手段之间的相关关系。目标先验知OSP识完全已知SDIAF目标先验知CEMTCIMF识部分已知主动月标检测ATGP目标先验UNCLSM知识未知UFCLS目标后验知识未知端元提取图1.2主动式高光谱目标检测算法示意图1.3被动目标检测与主动高光谱目标检测不同，被动高光谱目标检测不需要特定的感兴趣的目标。因此，被动目标检测是在完全未知的环境下，并且没有任何先验知识的情况下进行的。被动目标检测有两种类型：异常检测(aomalydetectio)和端元寻找(edmemerfidig)。我们将对两者进行简要的介绍。1.3.1异常检测由于高光谱图像具有很高的光谱分辨率，因此可以体现出很多不能由先验知识提供，或者是人眼无法识别到的微妙信号源。这样的信号源大多是以异常的形式存在于数据中。近年来，在高光谱领域里，异常检测引起了很多学者的研究兴趣。目前，还没有关于异常目标的明确定义，但通常来讲，我们认为异常目标是一种无法在数据处理前先验知道的目标，并且具有如下特点：(1)异常目标在数据中的出现无法预测。·5G高光谱遥感目标检测14:上、，P自3A，,L4A:￥月1A、AA(2)异常目标在数据中的出现概率小。(3)异常目标在数据中的出现数量少。(4)异常目标与周边或相邻的样本光谱特性区别大。具有这些特性的样本，一般是用于指定光谱类别的纯像元，又称端元。例如：在环境或农业中特别的光谱特性、地质中的稀有金属、环境监测中的有毒物质排放、水污染中的溢油、执法中追踪的毒品和走私物、战场中的人造目标、情报里不寻常出现的有威胁性的活动、医学中的肿瘤等。1.3.2端元寻找在1.2.2中讨论过的端元提取方法，是一种主动目标检测方法，因为其前提是假设数据中存在纯像元。但在现实中，这种假设几乎不满足，并且端元不必一定为真实图像中的样本向量或者像元，其也可以是光谱库中的光谱特性。所以，端元不存在于数据中的概率很大。这样一来，端元提取手段可以以一种被动检测的形式，从真实数据中对潜在的，但不是纯像元的端元进行提取。相对于主动高光谱检测，被动高光谱检测没有所要检测的目标的先验知识。这种情况下，我们也无法得知有多少目标需要被检测。因而1.2.2节中所讨论的端元提取算法，如VCA和SGA的停止条件将无法确定。此时，端元提取算法将转换为被动式的端元寻找算法，且当获取了L(L为波段数目)个端元时，端元寻找算法停止。由Boardma于l994年提出，并在当前广泛应用的纯净像元指数(ixelurityidex,PPI)可以被看成一种典型的被动式检测器。该方法利用PPI指数去寻找目标，但并不清楚找到的目标是什么，需要通过进一步的分析来判断这些被找到的目标是什么。基于这种解释，当下研究的多数端元提取方法，实际是一种端元寻找的算法。图1.3展示了两种被动高光谱目标检测：异常检测和端元寻找。异常检测利用了光谱信息统计量，如协方差矩阵K或相关矩阵R来衡量样本光谱之间的相关性。端元寻找则利用了纯像元的特性，寻找潜在的端元。这些找到的潜在端元并不一定是纯像元，但在一定程度上可以用来体现不同类别目标的光谱差异特性。异常背景抑制异常检测样本光谱相关性K/R被动异常辨别与归类目标检测端元寻找像元纯净性日标光谱差异图1.3被动高光谱目标检测算法示意图·6···试读结束···...

2023-12-12