2014-06-16 16:44:12 lxy201700 阅读数 1689

1:OpenCv(计算机视觉必学的库,个人认为其作用相当强悍)

http://opencv.willowgarage.com/wiki/

 

2:CVpaper 主页上推荐的开源视觉算法库,最全的了,也非常新,强烈推荐大家去看看

http://www.cvpapers.com/rr.html

 

3:cmu的图像处理和计算机视觉软件库,非常全,但有点老了,但都很经典,资源非常丰富

http://www.cs.cmu.edu/~cil/v-source.html

 

4:机器学习Machine Learning 课程

http://wenku.baidu.com/course/study/53b9fd0a79563c1ec5da7107

http://v.163.com/special/opencourse/machinelearning.html

 

5:国外人工智能界牛人主页

http://caiqi1123.blog.163.com/blog/static/5736178120080213836366/

 

6:opencv中文论坛(里面有很多例子可以供初学者学)

http://www.opencv.org.cn/   老网站http://wiki.opencv.org.cn/index.php/Template:Install

 

7:工业视觉应用网络DavidLowe

http://www.cs.ubc.ca/~lowe/vision.html

 

8:Computer Vision: Algorithms and Applications(很好的一本书)

http://szeliski.org/Book/

 

9::C++学习网站

http://www.cplusplus.com/

 

10:总结了一些大牛的博客(很值得学习)

http://blog.csdn.net/xiaowei_cqu/article/details/8034195

 

11:MFC初学者的学习网站(挺不错的)

http://www.jizhuomi.com/software/257.html

 

12:matting

http://mpac.ee.ntu.edu.tw/~sutony/vfx_matting/index.html

 

13:OCR大牛

http://yann.lecun.com/exdb/lenet/index.html

 

14:开源计算机视觉社区

https://www.google.com.hk/?gws_rd=ssl#newwindow=1&q=%E6%80%8E%E6%A0%B7%E5%BB%BA%E7%AB%8B%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E8%BD%AF%E4%BB%B6%E5%BA%93&safe=strict

 

参考:http://www.cnblogs.com/kshenf/archive/2012/06/15/2550482.html

后面会陆续更新

2016-11-24 11:26:39 Metal1 阅读数 555
1.OpenCv(计算机视觉必学的库,个人认为其作用相当强悍)


http://opencv.willowgarage.com/wiki/


2.CVpaper 主页上推荐的开源视觉算法库,最全的了,也非常新,强烈推荐大家去看看


http://www.cvpapers.com/rr.html


3.cmu的图像处理和计算机视觉软件库,非常全,但有点老了,但都很经典,资源非常丰富


http://www.cs.cmu.edu/~cil/v-source.html
2008-09-01 13:34:00 chinayaosir 阅读数 942
 

如何制作图像处理软件?chinanetboy 日记
制作行业软件的标准学习过程,按如下顺序阅读相关书籍
1.基础知识与原理讲解
2.数据结构与算法实现
3.开发工具与案例代码
4.市场产品功能与参考
5.自我产品设计与发布

1.基础知识与原理讲解
 参考书目 :
《 数字图像处理基础 》清华大学出版社  (2006-11出版)
《计算机图形学》清华大学出版社 (2006-12出版)

2.数据结构与算法实现
 参考书目 :
《计算机图形学原理及算法教程》清华大学出版社
《计算机图形学--用OpenGL实现(第2版国外经典教材计算机科学与技术)》
《Visual C++数字图像处理典型算法及实现(附光盘)》
《计算机图形学C语言版(影印版)》大学计算机教育国外著名教材系列 清华大学出版社
《数字图像压缩编码/信号与信息处理丛书》 清华大学出版社
《3D计算机图形学(OpenGL版世界著名计算机教材精选)》
《3D计算机图形学(附光盘原书第3版)/计算机科学丛书》
《数字图像处理和压缩》

 3.开发工具与案例代码
 参考书目 :
《精通Visual C++图像处理编程(附光盘第3版)/计算机专业人员书库》
《Visual C++/MATLAB图像处理与识别实用案例精选(附光盘)》
《Delphi的数字图像处理工程软件设计(附光盘)》中国水利水电出版社

4.市场产品功能与参考
 参考软件:
acdsee
photoshop
交通车牌识别系统
汉字手写输入法

5.自我产品设计与发布
图像处理软件
图像辨认软件
图像转换软件
XX行业专用识别软件

2015-09-27 05:29:42 taigw 阅读数 9080

通用:

VTK

        VTK (the visualization toolkit)是一款免费开源的用于三维计算机图形学、图像处理以及可视化的软件包。包含了C++类库并且提供对Tcl/Tk, Java 和Python等解释性语言的支持.

ITK

        ITK是一个开源、跨平台的,提供了大量的图像处理功能的软件工具。可用于多维图像的分割与配准。

FSL

        FSL是一个用于分析fMRI,MRI和DTI大脑成像数据的综合软件库。

SPM

        SPM(statistical parametric mapping) 指的是建立和评估统计处理方法,用于对功能影像数据的假设检验。SPM软件包已用于分析大脑图像序列。这些序列可以是来自不同群体的数据,或者是同一个个体的不同时间序列的数据。目前可用于分析fMRI, PET, SPECT,EEG和MEG。

GIMIAS

        GIMIAS是一个面向工作流的图像处理环境,用于解决高级图像计算以及个体化的模拟问题。可通过添加解决特定问题的插件而进行扩展。此外,GIMIAS提供开源框架,可有效开发研究和临床软件原型,也可用于商业软件开发。提供的功能包括手动和自动分割,可视化,网格编辑和电子机械及流体力学模拟等。

3D Slicer

        3D Slicer是一个免费、开源软件包,用于可视化及图像分析。可在多个平台上使用,包括Windows, Linux 和Mac Os X。

MIA

        MIA是一个用C++写的通用图像处理工具,主要针对2D和3D灰阶医学图像分析。使用插件结构,可以很容易添加新的功能。使用测试驱动(test-driven)开发,以保证实现的稳定性,并且提供命令行工具。

分割:

NiftySeg

        NiftySeg实现了基于期望值最大化的对Nifti图像的分割。另外也实现了许多标记融合(label fusion)算法,如MV,STAPLE,SBA等。

配准:

NiftyReg

        NiftyReg实现了对nifti图像的刚体、仿射和非线性配准方法。支持GPU(使用CUDA)的实现。是一个基于命令行的工具包。

elastix

        elastix是基于ITK的开源软件。包含了处理医学图像配准的常用算法。elastix的模块化设计允许用户快速地针对一个特定的应用配置、测试和比较不同的配置方法。用命令行接口可以通过脚本自动处理大量的数据。

ANTS

        ANTS为研究者提供了高级的工具用于大脑图像配准映射。ANTS的许多配准恐惧都是微分同胚的(diffeomorphic),但也可以使用elastic 和 Bspline等形变变换。 ANTS中的模块包括多种相似度测量,标记点引导,使用标记图像引导配准映射,对微分同胚映射的贪心法及时空最优化实现。

可视化

ITK-Snap

        ITK-SNAP可用于对三维图像的交互式分割方法,其实现是基于活动轮廓模型的,也支持手动分割。提供了可视化功能。

MITK

        MITK(medical imaging interaction tookkit)是用于开发交互式图像处理软件的开源系统。MITK结合了VTK和ITK,此外它结合了一些与开发交互式图像处理相关的特性,这些是ITK与VTK所未包含的。

重建:

NiftyRec

        NiftyRec提供了断层图像重建的代码,基于c,也支持python, matlab接口。对于计算量大的函数,其提供了基于CUDA的GPU加速方法。

模拟:

NiftySim

        NifySim是一个高性能非线性有限元求解工具。一个重要特性是允许GPU计算。

弥散MRI:

Camino

        Camino是一个面向对象的软件工具包,用于弥散MRI数据的分析和重建、纤维束重建等。

DTI-TK

        DTI-TK是一个实现空间归一化和建立图谱(atlas)的工具,支持对DTI图像的操作,特别注重数据的张量属性。实现了目前最先进的配准算法,通过每个像素的纤维束方向匹配完成后对白质纤维的对齐。


2020-03-21 23:01:44 lucky51222 阅读数 165

第一章   绪 论

课程学习要求

  1. 主要教学内容:遥感数字图像处理的概念和基础知识,遥感数字图像的几何处理,遥感图像的辐射校正,遥感数字图像的增强处理,遥感图像的计算机分类,遥感数字图像的分析方法,遥感图像处理软件的使用。
  2. 预备知识:遥感技术基础、线性代数、概率论、计算机技术基础
  3. 课程体系从“遥感图像处理系统”这个高度出发建立,而讲授重点在遥感图像的计算机处理思想与方法 。

学习方法

  1. 理论
  2. 实验
  3. 实践
  4. 阅读

1.1 何谓数字图像处理

1.1.1 图像的概念

图像(image)是对客观存在的物体的一种相似性的、生动的写真或描述。在一般的意义下,可以认为一幅图像就是一个东西的一个表示,它包含了所表示物体的相关描述信息,出现形式多种多样:

  • 可视的和不可视的;
  • 抽象的和实际的;
  • 适于和不适于计算机处理的。

1.1.2 图像的类别

1、按照图像的存在形式分

(1)“物理图像” (physical images)

      物质或能量的实际分布

  • “可见的图像”(visible image),人眼可以看到并接受的图像,如“图片” (picture),包括“照片” (photograph)、“图” (drawings指用线条画成的)和“画” (paintings), “图片”等价于“图像”,也就是说“picture”经常和“image”一词混用;“光图像” (optical images),即用透镜、光栅和全息术产生的图像,如荧幕、屏幕上出现的影像。光(学)图像是光强度的空间分布。
  • “不可见的图像”,如温度、压力、高度以及人口密度等的分布图。

(2)抽象图像,即“数学图像”,包括连续函数和离散函数。离散函数图像就是计算机可以处理的形式。物理图像必须要变成离散函数才能被计算机处理。

2、按照图像的色彩特性分

  1. 彩色图像,又称为“多光谱图像”,图像上的每个点有多于一个的局部特征。如在彩色电视中重现的三基色图像,每个像素点就需要有红、绿、蓝三个基色的三个亮度值表示。而遥感图像可以提供多个不同通道的信息(TM达7 个,高光谱上百个,超波段图像)。
  2. 黑白图像,又称“灰度图像”、“亮度图像”、“单色图像”等,每个像素点只有一个亮度值。例如黑白照片、黑白电视画面。

3、按照图像的光谱特性分

  1. “可见光图像”;
  2.  “红外光图像”;
  3.  “雷达图像”;
  4.  “声纳图像”。

4、按照图像的时间特性分

  1. “动态图像”
    • 随时间变化的图像,如电视和电影画面。
  2. “静止图像”
    • 不随时间变化的图像,如各类图片。

5、按图像的明暗程度和空间坐标的连续性分

1.1.2 图像信息的分类

  1. 三类
    • 符号信息
    • 景物信息
    • 情绪信息

1.1.4 数字图像处理的几个基本术语

  1. 数字化(digitizing)
    • 将一幅图像从其原来的形式转换为数字形式的处理过程,包括“扫描”、“采样”与“量化”三个步骤,但通常将“扫描”合并到“采样”阶段,合并为两个过程。

扫描(scanning

  1. 将一个数学虚拟网格覆盖在一幅图像上,图像的平面空间被离散化成一个个的有序的格子(格子的形式可以有多种形式,通常易于物理实现的是矩形,且每个格子完全相同),然后按照格子的排列顺序依次读取图像的信息,此读取过程称为“扫描”。在扫描过程中被读取的小块图像称为图像元素(picture element),简称像素(pixel),它的描述包括空间坐标以及图像信息两个部分。不太严格的情况下,扫描也可以用作数字化的等价词。矩形扫描网格常称为光栅(raster)。

采样(sampling)

  1. 在一幅图像的每个像素位置上测量灰度值。
  2. 采样通常是由一个图像传感元件完成,它将每个像素处的亮度转换成与其成正比的电压值。采样完成图像空间的数字化,在CCD摄像机中,是由一个个感光单元实现的。
  3. 图像数字化时必须遵守“采样定理”,才能保证图像可恢复。

量化(quantization)

  1. 将采样时测量的灰度值转化成整数表示。
  2. 由于数字计算机只能处理数字,因此必须将连续的测量值转化为离散的整数。因此在图像传感器后面,经常跟随一个电子线路的模数转换器(ADC),将电压值转化成一个整数。

 

  1. 经过数字化得到一幅图像的数字表示,即数字图像f(x,y), f(x,y)以及x、y都是整数。
  2. 一幅数字图像中不同灰度值的个数称为灰度级数,用G表示。

             一般来说,               ,g就是表示图像像素灰度值所需的比特位数。

量化参数与数字化图像间的关系:

   数字化方式可分为均匀采样、量化和非均匀采样、量化。所谓“均匀”,指的是采样、量化为等间隔。图像数字化一般采用均匀采样和均匀量化方式。

    非均匀采样是根据图象细节的丰富程度改变采样间距。细节丰富的地方,采样间距小,否则间距大。

    非均匀量化是对像素出现频度少的间隔大,而频度大的间隔小。

    采用非均匀采样与量化,会使问题复杂化,因此很少采用。

    一般来说,采样间隔越大,所得图像像素数越少,空间分辨率低,质量差,严重时出现像素呈块状的国际棋盘效应;采样间隔越小,所得图像像素数越多,空间分辨率高,图像质量好,但数据量大。

量化等级越多,所得图像层次越丰富,灰度分辨率高,图像质量好,但数据量大; 量化等级越少,图像层次欠丰富,灰度分辨率低,会出现假轮廓现象,图像质量变差,但数据量小。但在极少数情况下对固定图像大小时,减少灰度级能改善质量,产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。

几个重要概念

  1. 1、处理:让某个事物受到一个过程的作用
  2. 2、过程( process ):指能导致某个所期望目标的一系列的动作或操作。
  3. 3、数字图像处理:对一个物体的数字表示施加一系列的操作,以得到所期望的结果。
  4. 4、数字图像的限制性定义:一个被采样和量化后的二维函数(该二维函数由光学方法产生),采用等距离矩形网格采样,对幅度进行等间隔量化。因此,一幅数字图像是一个被量化的采样数值的二维矩阵。
  5. 6、显示(display):由一幅数字图像生成一可见的、直观的图像。类似概念有“回放”、“图像重建”、“硬拷贝”、“图像记录”。显示设备有暂时的、永久的两类。
  6. 10、对比度(contrast):一幅图像中灰度反差的大小。
  7. 11、噪声(noise):加性的或乘法性的污染。
  8. 12、采样密度(sampling density):图像上单位长度包含的采样点数。

       像素间距(pixel spacing)=1/采样密度

  1. 13、放大率(magnification):图像中物体与其所对应的景物中物体的比例关系。
  2. 14、运算(operation):注意运算前后图像之间的对应关系。
    • (1)全局运算:对整幅图像同时处理
    • (2)点运算:由对应点决定
    • (3)局部运算:由中心像素周围的有关像素决定

采样定理(sampling theorem

采样过程所应遵循的规律,又称取样定理、抽样定理。采样定理说明采样频率与信号频谱之间的关系,是连续信号离散化的基本依据。采样定理是1928年由美国电信工程师H.奈奎斯特首先提出来的,因此称为奈奎斯特采样定理。1933年由苏联工程师科捷利尼科夫首次用公式严格地表述这一定理,因此在苏联文献中称为科捷利尼科夫采样定理。1948年信息论的创始人C.E.香农对这一定理加以明确地说明并正式作为定理引用,因此在许多文献中又称为香农采样定理。采样定理有许多表述形式,但最基本的表述方式是时域采样定理和频域采样定理。采样定理在数字式遥测系统、时分制遥测系统、信息处理、数字通信和采样控制理论等领域得到广泛的应用。

时域采样定理  频带为F的连续信号 f(t)可用一系列离散的采样值f(t1),f(t1±Δt),f(t1±2Δt),...来表示,只要这些采样点的时间间隔Δt≤1/2F,便可根据各采样值完全恢复原来的信号f(t)。

1.2 数字图像处理技术

  1. 广义的数字图像处理是指从图像获取到图像信息输出的全过程,即图像处理系统,包括与计算机应用相关的设备、图像处理相关的方法,以及有效软件的实现、图像处理软件的应用、图像信息在计算机中的表示、图像数据库及检索、图像信息应用等。
  2. 狭义的数字图像处理仅指其中对图像信息进行处理。

广义图像处理

  1. 图像信息获取,即获取研究对象的图像,并转换成数字信号,以便于计算机或其它数字设备处理。这一阶段的研究重点是图像成像设备和数字化设备等。
  2. 图像信息的存储。图像的数据量巨大,因此研究的领域包括图像存储设备,以及图像存储的格式、图像压缩标准以及图像数据库技术等。
  3. 图像信息的传送,包括内部传送与远距离传送。内部传送多采用DMA(Direct  Memory   Access)技术解决速度问题;远距离传送同样需要研究图像压缩技术,减少占用带宽。
  4. 图像信息处理,即狭义的图像处理,主要研究利用计算机可以实现的算法。
  5. 图像的输出与显示,即为人或计算机提供便于理解以及识别的图像。图像的输出有软拷贝与硬拷贝两种形式。

狭义的计算机图像处理

  1. 几何处理
    • 主要包括坐标变换,图像的放大与缩小、旋转、移动
    • 图像畸变校正
    • 几何特征计算等。
  2. 算术与逻辑运算
    • 图像的加减乘除,与或非等运算
    • 此类运算既简单有效,又是其它处理的基础。
  3. 图像增强
    • 根据任务目标突出图像中感兴趣的信息,消除干扰,改善图像的视觉效果或增强便于机器识别的信息
  4. 此三项是图像预处理中常涉及的内容。
  5. 图像复原
    • 根据图像退化模型,消除退化因素,恢复原始的图像。如散焦是造成图像模糊的一个重要的因素,而散焦模型可以通过实验数据和理论分析获得,利用逆滤波就可以消除散焦。
  6. 图像编码
    • 研究压缩图像数据的方法,需要研究并利用图像的冗余特征,如统计冗余、生理视觉冗余、知识冗余等。
  7. 图像分割
    • 根据图像的某些特征将图像划分为不同的区域,以便于对图像中的物体或目标进行分析与识别。如“机动车视觉系统”中根据图像中的灰度信息分割白色导引线和路面。
  8. 图像重建
    • 前面六个研究方面输入的是图像,而图像重建输入的是非图像信息,如数据、公式等,输出为图像。主要有卷积反投影法等。常用于医学设备,CT等
  9. 图像模式识别
    • 在图像分割的基础上提取特征,对图像中的内容进行判决分类。
  10. 图像分析与理解
    • 在图像模式识别的基础上进一步发展,根据图像局部内容之间的关系,利用有关知识进行推理与联想,对图像中所表现的内容进行理解。

具体而言,遥感数字图像处理的内容包括:

图像的数字化(digitizing

扫描(scanning):对一幅图像内给定位置的寻址。矩形扫描网格常称为光栅。

采样(sampling):在一个图像的每个像素位置上测量灰度值。

量化(quantization):将一个测量的灰度值用一个整数表示

图像变换

      图像变换目的在于:处理问题简化、有利于特征提取、加强对图像信息的理解。

      图像变换算法很多,重点学习傅立叶变换的算法、性质和应用。

图像增强

介绍各种增强方法及其应用。增强图像的有用信息,消弱噪声的干扰。

图像的恢复与重建

把退化、模糊了的图像复原.包括图像辐射和几何校正等内容;由断层扫描重建二、三维图像。

图像编码

       简化图像的表示,以压缩图像的数据,便于存储和传输。

图像分割

      图像分割是指将一幅图像划分为互不重叠的区域的处理。重点介绍图像分割的方法及其应用。

二值图像处理与形状分析

        介绍二值图像的几何概念、二值图像连接成分的各种变形算法和二值图像特征提取与分析的各种方法。

纹理分析

   主要介绍影像纹理的概念及其特征提取与分析的一些方法与应用。

图像识别

       对图像中的不同对象进行分类、描述和解译。

3、数字图像处理的显著成就

  1. 从可见光谱扩展到各波段:
    • 如遥感图像的多光谱处理、雷达波段的侧视雷达遥感图像处理、红外波段的图像处理(如夜视仪、热像仪等)、超声图像处理。
  2. 从静止图像到运动图像的处理:
    • 如运动模糊图像的恢复、心脏搏动序列图像的处理、对运动目标的跟踪、巡航导弹的地形识别及瞄准等。
  3. 从物体的外部到物体的内部图像的处理:
    • 如人体的无损检测设备CT及宇航用密封零件的无损检测、海关用的集装箱不开箱检查等。
  4. 从整体到局部图像的处理(AOI技术):
    • 有选择性地对人类感兴趣的局部图像进行处理,如空间、灰度、颜色、频域都可以开窗口进行加工处理(如放大、变换、校正等)。
  5. 提取图像中特征的处理:
    • 从图像中抽出感兴趣的区域、物体以特征的形式表现出来,以便计算机识别控制。
  6. 人工智能化的图像处理:
    • 用计算机去理解图像,并进行景物分析,即计算机视觉系统,如机动车自动驾驶系统和机器人的视觉操纵系统等

4、数字图像处理的学科特点

因此图像处理技术不仅是融合多学科的新兴学科,而且是工程性很强的学科。

计算机应用,涉及的领域包括数学、物理学、生物学以及生理学等基础学科,又在电子技术、计算机科学、信息理论、医学、控制理论以及系统工程等应用学科新成就的促进下迅速发展。图像系统与研究目标密切相关,需针对不同应用、不同要求采用不同的方法、构建不同的系统。图像处理是一门年轻的、充满活力的交叉学科,并随着计算机技术、认知科学、神经网络技术以及数学理论的新成果,如数学形态学、小波分析、分形理论的发展,以及其它相关领域的最新成就而飞速发展着。

几个学科之间的关系

  1. 数字图像处理(process):图像~图像
  2. 数字图像分析(analysis):图像~非图像的表示
  3. 计算机图形学(computer graphics):用计算机将由概念或数学模型表示的物体(不是实物)进行处理,并显示成图像。
  4. 计算机视觉(computer vision):研究模拟人眼功能的理解自然景物的系统。
  5. 数字成像(digital imaging):更广义的一个概念,涵盖任何用计算机来操作(manipulate)与图像有关数据的技术,包括计算机图形学、计算机视觉、数字图像处理与分析。

几个当今热点的研究方向

  1. 1)因特网上的图像检索
  2. 2)图像在网上的传输
  3. 3)图像的安全技术
  4. 4)图像的处理技术
  5. 5)图像的自动识别
  6. 6)图像作为检测手段的一种
  7. 7)其它视频方面的研究与需求

 

遥感图像处理软件

ERDAS IMAGINE

ERDAS 公司创建于1978 年,总部设在美国佐治亚州的亚特兰大市。目前ERDAS 公司已经发展成为世界上最大的专业遥感图像处理软件公司,全球用户遍布100 多个国家,软件套数超过了60,000 套,市场占有率为46%,在全球遥感处理软件市场排名第一,在GIS 软件市场排名第九。在美国国家影像制图局(NIMA)等权威机构组织的历经5年的Passfind 项目遥感影像系统评比当中,在十一个项目评比中获得九个项目第一,最终综合功能性价比名列第一,在三维可视化分析领域更是在功能与理念上一路领先。自2002 年年中在得到Leica 公司的资金支持后,ERDAS IMAGINE 软件的发展步伐更加有利与快捷,更多的新功能与算法加进到新版本中,一系列的举措不仅仅使用户的当前投资得到充分发挥,也得到了未来产品发展的保护。

ERDAS 软件处理技术覆盖了图像数据的输入/输出,图像增强、纠正、数据融合以及各种变换、信息提取、空间分析/建模以及专家分类、ArcInfo 矢量数据更新、数字摄影测量与3 维信息提取,硬拷贝地图输出(在3 维景观的绘图输出更是达到了所见即所得的清晰大数量的纸质图)、雷达数据处理、3 维立体显示分析。IMAGINE 软件可支持所有的UNIX 系统,以及PC 机的Microsoft Windows2000Professional (需Pack 2),Windows XP Professional 操作系统。其应用领域包括:科研、环境监测、气象、石油矿产勘探、农业、医学、军事(数字地理战场,解译等)、电讯、制图、林业、自然资源管理、公用设施管理、工程、水利、海洋,测绘勘察和城市与区域规划等。通过与著名的GIS 厂商ESRI 公司的战略合作,ERDAS 公司在与GIS 完整集成的IMAGINE系列软件之外,同时开发基于ArcView GIS V8.x 的图像分析模块——Image Analysis 和Stereo Analyst 两个扩展模块,向用户提供GIS/RS 一体化的解决方案。

*ERDAS IMAGINE产品套件:它是一个用于影象制图、影象可视化、影象处理和高级遥感技术的完整的产品套件。

*ERDAS IMAGINE扩展模块:ERDAS IMAGINE是以模块化的方式提供给用户的,可使用户根据自已的应用要求、资金情况合理地选择不同功能模块及其不同组合,对系统进行剪裁,充分利用软硬件资源,并最大限度地满足用户的专业应用要求。

*ArcGIS Extensions:它是为ArcGIS用户提供的一个使用方便的地理影象分析和处理功能的扩展模块。

目前的版本:ERDAS 2011(11.0)

网址:http://www.erdas.com/Homepage.aspx

 

 

 

 

 

 

 

没有更多推荐了,返回首页