排序方式: 共有43条查询结果,搜索用时 15 毫秒
1.
GIS用户界面的设计原则和实现方法 总被引:2,自引:0,他引:2
讨论了设计一个高质量的GIS用户界面应遵循的基本原则,对GIS用户界面的实现方法进行了详细的阐述,并结合GIS工程建设实践,指出快速原型法是构建GIS用户界面系统的有效方法。 相似文献
2.
数字图像处理技术的广泛应用使很多与图像相关的领域产生了根本性的变革。反过来,这些变革也对数字图像处理提出更高的要求,而计算机和人工智能技术的迅速发展为建立新的、面向具体应用的图像处理系统提供了现实的可能性。本文展示了一个基于Unix工作站的、适用于遥感领域的交互式图像系统的设计框架和主要功能。 相似文献
3.
使用手工操作Surfer绘制大量电法等值线图,因存在重复劳动、效率低等缺点,需要开发自动成图软件替代繁重的手工劳动。Surfer软件自7.0及以后版本,增加了自动化功能,支持Surfer的二次开发。Matlab支持ActiveX接口编程,能作为客户端访问、控制其它支持COM组件的Windows应用程序。这里采用Matlab的GUI图形用户接口技术编制用户界面,在主程序里调用Surfer自动化对象作为服务器,使之受控于Matlab,实现了电法等值线图自动化,批量处理软件的开发。 相似文献
4.
MTU-5、V8、LEMI-417等大地电磁测深仪器的人机交互方式均基于文字,用户仅凭文字难以发现采集中的问题。由于示波器能把人眼无法直接捕捉到的电信号的时变规律以可见的图像形式显示出来,故将该技术应用于长周期大地电磁测深仪CLP中,使仪器的人机交互方式基于图形用户界面(GUI)。本系统的GUI选用Visual C++6.0作为开发工具,在规划了显示区域,建立了设备环境类CDC以及CPen、CBitmap等绘图工具类的对象后,设计了仿示波器界面,在示波器界面中,用MoveTo与LineTo函数实现了对采集数据的实时动态显示。此外,使显示窗口自适应显示器分辨率属性、信号最大化显示、显示背景设置为灰白色,以方便操作。经野外试验,该显示技术有助于用户对采集的数据进行分析,为下一步工作提供依据。 相似文献
5.
根据地表移动观测站数据处理的基本方法,运用MATLAB中的图形用户界面(GUI),通过窗口、菜单、控件等构成操作简便的用户界面,实现了观测站数据的自动处理及移动变形曲线的自动绘制,有助于提高数据后期分析的准确性。 相似文献
6.
为了解决嵌入式GIS跨平台的软件开发问题,针对嵌入式环境的资源有限性和平台多样性特点,设计了一种嵌入式GIS应用中间件——EGIS_MW平台,该平台能够有效屏蔽不同嵌入式软硬件环境的差异,为上层应用程序提供统一高效并且适合嵌入式GIS应用的编程接口。EGIS_MW平台已经在一款支持多种不同软硬件环境的嵌入式导航系统中得到了应用。应用表明该中间件能够很好地满足嵌入式GIS跨平台软件开发的技术需求。 相似文献
7.
随着全球大洋调查的不断开展以及各种海底探测技术的进步,海洋调查数据积累日益增多。以往主要通过使用不同的专业软件来进行各类大洋数据的可视化和成图分析。在海洋调查方面目前迫切需要一种可视化软件,能够快速显示海底大洋的观测和探测数据,并能够快速简单地综合分析和成图。为了解决快速可视化和多种类型数据同界面显示问题,本文利用Matlab中的图形用户界面工具,开发和设计了简单易操作的OceanVis1.0数据可视化和图形用户界面。通过使用OceanVis1.0,用户可以方便地对全球海底大洋多波束水深、海洋重力异常、海洋磁异常、地震波形数据等进行可视化和成图分析,能够解决大洋关键区域的多种数据可视化综合分析问题。对不同类型的数据可以进行二维测线和三维空间数据变化的显示,也可以实现数据成图的放大、缩小和旋转功能。对于多波束、重磁数据空间变化数据,可以进行二维测线的任意切割和成图输出,不用保留中间成图即可满足用户的实时数据显示和快速查看功能。OceanVis1.0也能为具体航次的海底调查提供各类海底探测数据的快速显示,以及包括航次中获取的数据显示和初步分析功能,能够为研究区航次测线的规划提供数据可视化和图形支撑平台。 相似文献
8.
煤矿用全液压钻机动力头主要采用液压驱动和齿轮传动相结合的方式,其中,齿轮传动的振动烈度直接影响着动力头的输出能力,成为了设计中必须考虑的重要问题。以ZYWL-2600R型松软煤层螺旋钻机为研究对象,在齿轮副的单自由度扭转振动模型基础上,以啮合线上的振动加速度为优化目标,建立了动力头齿轮副的动态优化设计模型,并借助Matlab优化工具箱和GUI工具开发了优化设计程序的图形界面,求解了齿轮振动最小的宏观设计参数,为钻机“高速”动力头的动态优化设计提供了参考。结果表明,优化后齿轮副的时变啮合刚度显著提高,有效改善了齿轮传动的振动特性。 相似文献
9.
基于重庆市境内长江航道雷达站拍摄的雾天气过程影像资料,利用K最近邻、支持向量机、BP神经网络、随机森林等机器学习算法,对无雾和5类有雾天气个例进行图像识别训练,构建雾图像识别模型,并检验了识别准确率。结果表明:机器学习能够有效识别雾图像,随机森林算法的识别效果优于其余3种算法。对于能见度超过1500 m的无雾天气,模型的识别准确率为100%,对于能见度在1000—1500 m范围内的轻雾、能见度低于50 m的强浓雾,模型的识别准确率在90%以上,对于能见度在50—1000 m范围内的雾、大雾和浓雾,识别准确率超过70%。 相似文献
10.
�촬���ȿ���ϵͳ������վ������ȡ��λ��Ϣ��һ�ַ��� 总被引:2,自引:0,他引:2
????????????У????????????乤??????????У??????????????λ??????????????????????????????????λ?????????????????????????ε??????λ??????????????????????Matlab GUI?????????????????????????ò??????????????????????????????????á? 相似文献