相对辐射定标技术文档

小许同学记录成长2026-07-28 13:02

相对辐射定标技术文档

1 引言

1.1 概述

在推扫式遥感卫星成像系统中，由于传感器各探测单元（CCD像元）之间的响应特性存在差异，导致在均匀目标成像时，图像沿轨向出现明暗交替的条带现象，严重影响图像质量和后续定量遥感应用的精度。相对辐射定标（Relative Radiometric Calibration, RRC）是消除这类探测器间响应不一致性的关键技术手段，其目的是通过计算各探测器的校正系数，将原始DN值校正为相对一致的辐射量值，从而消除或减弱图像中的条带效应。

本系统中实现了四种相对辐射定标方法：偏置定标法、场地定标法、90度偏航法和统计定标法。这四种方法各有适用场景和优缺点，可根据实际数据条件和精度要求灵活选用。本文档将详细阐述每种方法的原理、数学模型、计算流程及其在系统中的实现方式。

1.2 基本概念与数学模型

辐射校正的基本数学模型为线性关系式：

L = G a i n × D N + O f f s e t L = Gain \times DN + Offset L=Gain×DN+Offset

其中， L L L 为辐射亮度值（常用单位为 W / ( c m 2 ⋅ μ m ⋅ s r ) W/(cm^2 \cdot \mu m \cdot sr) W/(cm2⋅μm⋅sr)）， G a i n Gain Gain 为增益系数， O f f s e t Offset Offset 为偏置系数， D N DN DN 为图像的数字量化值。

在相对辐射定标中，校正模型为逐探元（逐列）的线性校正，对第 j j j 列探测器：

D N j ′ = D N j − B i a s j G a i n j DN'{j} = \frac{DN{j} - Bias_{j}}{Gain_{j}} DNj′=GainjDNj−Biasj

其中， D N j DN_{j} DNj 为原始DN值， B i a s j Bias_{j} Biasj 为第 j j j 列的偏置系数， G a i n j Gain_{j} Gainj 为第 j j j 列的增益系数， D N j ′ DN'_{j} DNj′ 为校正后的DN值。

系统中的校正实现严格按照上述公式执行：

复制代码 
pData[ix] = (pData[ix] - GF[ix]) / GF[nXSize + ix]

其中 GF[ix] 为偏置系数（Bias），GF[nXSize + ix] 为增益系数（Gain）。

1.3 系统架构

系统的相对辐射定标模块，核心算法函数以C接口导出，上层通过类进行封装调用。定标系数以XML格式存储，包含TDI（Time Delay Integration）等级、CCD编号以及对应的Bias和Gain系数序列。UI层提供了独立的定标对话框.

2 偏置定标

2.1 方法原理

偏置定标（Bias Calibration）是相对辐射定标的第一步，其目的是确定每个探测器像元的偏置系数（暗信号/暗电流响应）。偏置系数的物理含义是：当没有光照输入时（或输入为均匀暗场时），各探测器像元由于暗电流和电子学偏移而产生的固有输出值。

在实际操作中，偏置定标通常利用卫星在轨拍摄暗电流图像（关闭快门或遮挡镜头），或者选取图像中光照极为均匀且反射率极低的区域（如深水体、阴影区域等）作为参考区域。

2.2 数学模型

对于第 j j j 列探测器，在选定的参考区域（起始行 r 0 r_0 r0，起始列 c 0 c_0 c0，高度 H H H，宽度 W W W）内，偏置系数计算公式为：

B i a s j = 1 H ∑ i = r 0 r 0 + H − 1 D N ( i , c 0 + j ) Bias_{j} = \frac{1}{H} \sum_{i=r_0}^{r_0+H-1} DN(i, c_0 + j) Biasj=H1i=r0∑r0+H−1DN(i,c0+j)

即偏置系数等于该列在参考区域内所有像元DN值的算术平均值。

同时，系统还会计算每列的标准差：

σ j = 1 H ∑ i = r 0 r 0 + H − 1 D N ( i , c 0 + j ) − B i a s j 2 \sigma_{j} = \sqrt{\frac{1}{H} \sum_{i=r_0}^{r_0+H-1} \left DN(i, c_0+j) - Bias_{j} \\right^2} σj=H1i=r0∑r0+H−1DN(i,c0+j)−Biasj2

以及全局平均标准差：

σ ˉ = 1 W ∑ j = 0 W − 1 σ j \bar{\sigma} = \frac{1}{W} \sum_{j=0}^{W-1} \sigma_{j} σˉ=W1j=0∑W−1σj

2.3 计算流程

偏置定标的核心实现为函数，具体流程如下：

  1. 输入参数验证：检查输入影像文件路径、偏置输出文件路径的有效性，打开GDAL数据集。
  2. 区域确定 ：根据用户指定的起始行列和处理范围（iStartX, iStartY, iWidth, iHeight），确定参与计算的参考区域。若未指定，则默认使用整幅影像。
  3. 逐列均值计算 ：逐行读取参考区域的影像数据（UInt16类型），累加至 dMean[j] 数组，最终除以行数得到每列均值。
  4. 逐列标准差计算 ：再次遍历参考区域，计算每列的标准差 dStd[j]。
  5. CCD分组处理 ：系统支持多CCD拼接模式（最多4个CCD），通过位掩码 cCCD 指定参与处理的CCD组合。每个CCD的宽度为 iWidth / iCCDNum，各CCD独立计算偏置系数。
  6. XML参数文件生成 ：将偏置系数以XML格式写入输出文件，文件结构包含：
    • 头部信息（影像文件名、成像模式、数据位深、系数数量、全局标准差等）
    • TDI等级
    • 各CCD的Bias值序列

2.4 参数文件格式

偏置定标输出的XML文件结构示例如下：

xml 复制代码 
<?xml version="1.0" encoding="utf-8"?>
<DPS>
  <Head>
    <IMG_FILE_NAME>影像文件名</IMG_FILE_NAME>
    <IMAGING_MODE>5</IMAGING_MODE>
    <COEFF_BITS>10</COEFF_BITS>
    <GAIN_DIGITAL>32</GAIN_DIGITAL>
    <COEFF_NUMBER>列数</COEFF_NUMBER>
    <IMG_STD>全局平均标准差</IMG_STD>
  </Head>
  <Body>
    <TDI level="1">
      <CCD id="1">
        <Bias>b1 b2 b3 ... bn</Bias>
      </CCD>
      <CCD id="2">
        <Bias>b1 b2 b3 ... bn</Bias>
      </CCD>
    </TDI>
  </Body>
</DPS>

2.5 注意事项

  • 偏置定标选取的区域应尽可能均匀，避免存在明显的地物目标，否则计算出的偏置值将包含地物信号，导致后续增益定标准确度下降。
  • 偏置定标结果与TDI等级和CCD组合密切相关，不同TDI模式下需分别进行偏置定标。
  • 偏置定标是场地定标和90度偏航法的前置步骤，增益定标需要依赖偏置定标的结果。

3 场地定标

3.1 方法原理

场地定标法（Site Calibration / Vicarious Calibration）是一种基于均匀地物场景的增益定标方法。其基本思想是：在已完成偏置校正的基础上，选取一幅成像条件良好、场景内容相对均匀的影像（如沙漠、戈壁、均匀云层等），假设各探测器在均匀场景下的响应应趋于一致，据此计算各探测器的增益校正系数。

场地定标的核心假设是：在均匀场景下，所有探测器接收到的辐照度相同，因此校正后各列的均值应相等。基于此假设，增益系数可由各列偏置校正后的均值与全局均值的比值确定。

3.2 数学模型

首先，利用偏置定标得到的偏置系数对原始影像进行偏置校正：

D N c o r r ( i , j ) = D N ( i , j ) − B i a s j DN_{corr}(i, j) = DN(i, j) - Bias_{j} DNcorr(i,j)=DN(i,j)−Biasj

然后计算各列在参考区域内的偏置校正均值：

μ j = 1 H ∑ i = r 0 r 0 + H − 1 D N ( i , c 0 + j ) − B i a s j \mu_{j} = \frac{1}{H} \sum_{i=r_0}^{r_0+H-1} \left DN(i, c_0+j) - Bias_{j} \\right μj=H1i=r0∑r0+H−1DN(i,c0+j)−Biasj

全局均值为：

μ ˉ = 1 W ∑ j = 0 W − 1 μ j \bar{\mu} = \frac{1}{W} \sum_{j=0}^{W-1} \mu_{j} μˉ=W1j=0∑W−1μj

则第 j j j 列的增益系数为：

G a i n j = μ j μ ˉ Gain_{j} = \frac{\mu_{j}}{\bar{\mu}} Gainj=μˉμj

校正后的影像为：

D N j ′ = D N j − B i a s j G a i n j DN'{j} = \frac{DN{j} - Bias_{j}}{Gain_{j}} DNj′=GainjDNj−Biasj

3.3 计算流程

场地定标的核心实现为函数，具体流程如下：

  1. 偏置文件读取：调用函数读取偏置定标生成的XML文件，解析出各TDI等级、各CCD对应的偏置系数序列。
  2. 偏置匹配与加载 ：根据用户指定的TDI等级和CCD组合，将偏置系数加载到 dBais 数组中，确保每个像元列都有对应的偏置值。
  3. 偏置校正均值计算 ：逐行读取影像数据，对每个像元减去对应偏置值后累加，最终得到各列的偏置校正均值 dMean[j]。
  4. 全局均值计算 ：对所有列的均值取平均得到 dMeanAll。
  5. 标准差计算 ：计算各列偏置校正后的标准差 dStd[j]，以及全局平均标准差 dStdAll，用于质量评估。
  6. 增益系数生成 ：各列增益系数为 dMean[j] / dMeanAll，写入XML格式的输出文件。
  7. 方法标识 ：当 bIsYaw90 = false 时，XML中 METHOD 字段设为 0，标识为场地定标法。

3.4 适用条件

  • 场地定标法要求选取的影像场景均匀性好，云量少，地表覆盖类型单一。
  • 影像中不应存在明显的大面积水体、阴影或高反射率目标，否则会影响统计均值的代表性。
  • 场地定标法的前提是偏置系数已经准确获取，因此必须先完成偏置定标。
  • 该方法计算简单、效率高，适用于日常业务化处理。

3.5 质量评价

系统提供了相对辐射校正精度评价功能，可通过以下指标评估定标效果：

  • 平均行标准差 （dAvgRowStd）：反映各行内像元的离散程度
  • 平均标准差 （dAvgStd）：反映全局像元值的离散程度
  • 广义噪声 （dGeneralizedNoise）：综合衡量校正后图像的噪声水平
  • 条带去除率 （dStripePercent）：通过对比校正前后的功率谱，评估条带消除效果

4 90度偏航法

4.1 方法原理

90度偏航法（Yaw-90 Calibration）是一种利用卫星姿态机动实现高精度增益定标的方法。其基本原理是：控制卫星绕视线轴（近似光轴方向）偏航90度进行成像，使原来的沿轨方向（飞行方向）变为垂直于飞行方向。这样，原本沿轨向上各探测器分别观测不同地面区域的情况，变为所有探测器观测同一条地面轨迹，从而获得高度均匀的场景数据。

在理想情况下，当卫星偏航90度后，所有探测器在同一时刻观测的是地面上的同一点（或极近邻的点），因此各探测器的响应差异完全由探测器自身的不一致性引起，通过比较各探测器的响应即可精确计算增益系数。

4.2 影像对齐原理

90度偏航成像的关键在于影像的几何变换。设原始影像尺寸为 W × H W \times H W×H（宽×高），偏航角度为 ± 90 ° \pm 90° ±90°，偏航方向参数为 iZH（正值表示 + 90 ° +90° +90°，负值表示 − 90 ° -90° −90°）。

影像对齐的过程是将原始影像按列偏移重新排列。对于第 i i i 列（ i = 0 , 1 , . . . , W − 1 i = 0, 1, ..., W-1 i=0,1,...,W−1），其偏移量为：

o f f s e t i = i × ( − i Z H ) offset_i = i \times (-iZH) offseti=i×(−iZH)

对齐后的影像尺寸为 W × ( H − W × ∣ i Z H ∣ ) W \times (H - W \times |iZH|) W×(H−W×∣iZH∣)，即高度方向会缩短。

对齐后，原始影像中同一地面目标在不同列上的响应被对齐到同一行上，使得各列的统计特性趋于一致。

4.3 数学模型

影像对齐完成后，增益系数的计算方法与场地定标法相同：

  1. 在对齐后的影像上，计算各列偏置校正后的均值 μ j \mu_j μj 和全局均值 μ ˉ \bar{\mu} μˉ
  2. 增益系数 G a i n j = μ j / μ ˉ Gain_j = \mu_j / \bar{\mu} Gainj=μj/μˉ

4.4 计算流程

90度偏航法的核心实现为函数，具体流程如下：

  1. 参数验证 ：检查输入影像和偏置文件的有效性，验证影像尺寸是否满足偏航变换要求（ H − W × ∣ i Z H ∣ > 0 H - W \times |iZH| > 0 H−W×∣iZH∣>0）。
  2. 影像几何对齐 ：
    • 创建临时影像副本（HFA格式）
    • 根据偏航方向参数 iZH，计算每列的起始偏移量 iOff = iZH >= 0 ? iXSize : 0，步长 iStep = -1 * iZH
    • 逐列从临时影像中读取数据，按偏移量写入目标影像，实现行方向的滑动对齐
    • 输出对齐后的影像文件
  3. 增益系数计算 ：函数（bIsYaw90 = true），在对齐后的影像上执行场地定标法计算增益系数。
  4. 方法标识 ：XML中 METHOD 字段设为 1，标识为90度偏航法。

4.5 影像对齐实现细节

影像对齐的核心代码逻辑如下：

cpp 复制代码 
int iOff = iZH >= 0 ? iXSize : 0;   // 起始偏移
int iStep = -1 * iZH;                 // 步进量
for (int i = 0; i < iXSize; i++) {
    // 从第i列的第iOff行开始读取，长度为 iYSize - iXSize
    poTmp->RasterIO(GF_Read, i, iOff, 1, iYSize-iXSize, dBuf, 1, iYSize-iXSize, ...);
    // 写入目标影像的第i列，从第0行开始
    poDstDS->RasterIO(GF_Write, i, 0, 1, iYSize-iXSize, dBuf, 1, iYSize-iXSize, ...);
    iOff += iStep;  // 下一列的偏移量递增
}

这种逐列偏移的方式实际上实现了一个仿射变换，将倾斜的影像条带校正为水平排列。

4.6 适用条件与优势

  • 90度偏航法需要卫星主动配合进行姿态机动，获取专门的偏航90度影像数据。
  • 相比场地定标法，90度偏航法能提供更均匀的场景条件，因此增益系数的计算精度更高。
  • 该方法不受地面场景均匀性的限制，因为所有探测器观测的是同一条地面轨迹。
  • 偏航角度通常为精确的 ± 90 ° \pm 90° ±90°，系统通过参数 iZH 控制偏航方向。
  • 该方法特别适用于对定标精度要求较高的场合，如卫星在轨定期标定。

5 统计定标

5.1 方法原理

统计定标法（Statistical Calibration / Histogram Equalization Method）是一种无需外部参考数据、仅利用影像自身统计信息来同时计算偏置和增益系数的方法。其基本思想来源于直方图均衡化：假设在统计意义上，各探测器像元的响应分布应趋于一致，通过匹配各列的统计矩（均值和标准差）来确定校正系数。

统计定标法的核心假设是：对于一幅内容丰富的遥感影像，各列像元的统计分布（均值和标准差）的差异主要来源于探测器响应不一致性，通过使各列的均值和标准差趋于全局均值和全局标准差，即可实现相对辐射校正。

5.2 数学模型

设第 j j j 列在参考区域内的均值和标准差分别为 μ j \mu_j μj 和 σ j \sigma_j σj，全局均值和全局标准差分别为：

μ ˉ = 1 W ∑ j = 0 W − 1 μ j \bar{\mu} = \frac{1}{W} \sum_{j=0}^{W-1} \mu_{j} μˉ=W1j=0∑W−1μj

σ ˉ = 1 W ∑ j = 0 W − 1 σ j \bar{\sigma} = \frac{1}{W} \sum_{j=0}^{W-1} \sigma_{j} σˉ=W1j=0∑W−1σj

则各列的增益和偏置系数分别为：

G a i n j = σ j σ ˉ Gain_{j} = \frac{\sigma_{j}}{\bar{\sigma}} Gainj=σˉσj

B i a s j = μ j − σ j ⋅ μ ˉ σ ˉ Bias_{j} = \mu_{j} - \frac{\sigma_{j} \cdot \bar{\mu}}{\bar{\sigma}} Biasj=μj−σˉσj⋅μˉ

校正公式为：

D N j ′ = D N j − B i a s j G a i n j = D N j − μ j + σ j ⋅ μ ˉ σ ˉ σ j σ ˉ = ( D N j − μ j ) ⋅ σ ˉ σ j + μ ˉ DN'{j} = \frac{DN{j} - Bias_{j}}{Gain_{j}} = \frac{DN_{j} - \mu_{j} + \frac{\sigma_{j} \cdot \bar{\mu}}{\bar{\sigma}}}{\frac{\sigma_{j}}{\bar{\sigma}}} = \frac{(DN_{j} - \mu_{j}) \cdot \bar{\sigma}}{\sigma_{j}} + \bar{\mu} DNj′=GainjDNj−Biasj=σˉσjDNj−μj+σˉσj⋅μˉ=σj(DNj−μj)⋅σˉ+μˉ

从最终形式可以看出，统计定标实际上是将各列的分布标准化为全局均值 μ ˉ \bar{\mu} μˉ 和全局标准差 σ ˉ \bar{\sigma} σˉ 的过程，即对每列进行线性归一化变换。

5.3 计算流程

统计定标的核心实现为函数（METHOD=2），具体流程如下：

  1. 影像数据读取：打开输入影像，确定处理区域范围。
  2. 逐列均值计算 ：逐行遍历参考区域，累加各列DN值，计算每列均值 dMean[j]。
  3. 逐列标准差计算 ：再次遍历参考区域，计算每列标准差 dStd[j]。
  4. 全局统计量计算 ：计算全局均值 dMeanAll 和全局标准差 dStdAll。
  5. 增益和偏置系数生成 ：
    • 增益：dGain = dStd[j] / dStdAll
    • 偏置：dBias = dMean[j] - dStd[j] * dMeanAll / dStdAll
  6. XML参数文件输出 ：同时包含Bias和Gain两组系数，METHOD 字段设为 2。
  7. 可选的校正执行：如果指定了输出影像路径，可立即调用执行校正。

5.4 相邻列均衡法扩展

系统还实现了一种改进的统计定标方法------相邻列均衡法，其核心思想是利用相邻列的统计信息来平滑增益和偏置系数，避免单列统计量波动过大导致的校正伪影。

相邻列均衡法的系数计算公式为：

G a i n j = 4 ⋅ σ j σ j − 1 + 2 σ j + σ j + 1 Gain_{j} = \frac{4 \cdot \sigma_{j}}{\sigma_{j-1} + 2\sigma_{j} + \sigma_{j+1}} Gainj=σj−1+2σj+σj+14⋅σj

B i a s j = μ j − ( μ j − 1 + 2 μ j + μ j + 1 ) ⋅ G a i n j 4 Bias_{j} = \mu_{j} - \frac{(\mu_{j-1} + 2\mu_{j} + \mu_{j+1}) \cdot Gain_{j}}{4} Biasj=μj−4(μj−1+2μj+μj+1)⋅Gainj

这种方法通过引入相邻列的加权平均，使得增益和偏置系数在空间上更加平滑，有效减少了因单列统计波动引起的校正伪影。

5.5 适用条件

  • 统计定标法不需要专门的暗场或均匀场景数据，可直接利用正常的遥感影像进行定标。
  • 适用于影像内容丰富、地物类型多样的场景，如陆地观测影像。
  • 对于场景内容单一的影像（如大面积海洋、沙漠），统计定标的效果可能不理想。
  • 统计定标法计算速度快，适合自动化批量处理。
  • 由于同时计算增益和偏置，统计定标法可以独立完成，不需要依赖偏置定标的结果。

6 方法对比与选用建议

6.1 方法对比

特性 偏置定标 场地定标 90度偏航法 统计定标
计算参数 仅偏置(Bias) 仅增益(Gain) 仅增益(Gain) 增益+偏置
数据要求 暗场/均匀暗区 均匀场景影像 偏航90°影像 普通遥感影像
依赖关系 独立 依赖偏置定标 依赖偏置定标 独立
精度等级 基础 中等 高 中等
操作复杂度 低 低 高（需卫星配合） 低
适用场景 暗电流估计 日常增益校正 高精度标定 快速批量处理

6.2 推荐处理流程

系统推荐的相对辐射定标处理流程为：

  1. 第一步：偏置定标------利用暗电流影像或均匀暗区计算各探测器的偏置系数。
  2. 第二步：增益定标 ------根据可用数据条件，选择以下任一方法：
    • 若有均匀场景影像，使用场地定标法（METHOD=0）
    • 若有偏航90度影像，使用90度偏航法（METHOD=1），精度最高
    • 若仅有普通影像，使用统计定标法（METHOD=2），可独立完成全部定标参数计算
  3. 第三步：相对辐射校正------利用生成的定标参数文件，调用对影像进行逐像元校正。
  4. 第四步：质量评价------评估校正效果。

6.3 参数文件合并

系统支持将多组定标参数合并为统一的参数文件，可整合不同TDI等级、不同CCD组合的偏置和增益系数，生成适用于特定数据产品的综合定标文件。合并时需指定适用的数据位深（iBIT）、数字增益值（iDIGITAL）和压缩方式（iCOMPRES）。

7 定标精度评价指标

7.1 平均行标准差

平均行标准差衡量校正后图像各行内像元值的离散程度。设第 i i i 行的标准差为 σ r o w , i \sigma_{row,i} σrow,i，则：

σ ‾ r o w = 1 N ∑ i = 1 N σ r o w , i \overline{\sigma}{row} = \frac{1}{N} \sum{i=1}^{N} \sigma_{row,i} σrow=N1i=1∑Nσrow,i

校正效果越好，各行内的标准差应越接近全局标准差，平均行标准差趋于稳定。

7.2 广义噪声

广义噪声综合考虑了行间和列间的辐射差异，定义为：

G N = σ ‾ r o w 2 − σ ‾ 2 GN = \sqrt{\overline{\sigma}_{row}^2 - \overline{\sigma}^2} GN=σrow2−σ2

其中 σ ‾ \overline{\sigma} σ 为全局平均标准差。广义噪声越小，说明校正效果越好。

7.3 条带去除率

条带去除率通过比较校正前后图像功率谱中条带频率成分的能量变化来评估：

S P = ( 1 − E a f t e r E b e f o r e ) × 100 % SP = \left(1 - \frac{E_{after}}{E_{before}}\right) \times 100\% SP=(1−EbeforeEafter)×100%

其中 E b e f o r e E_{before} Ebefore 和 E a f t e r E_{after} Eafter 分别为校正前后条带频率处的能量。条带去除率越接近100%，校正效果越好。

8 总结

本文档详细描述了遥感处理系统中四种相对辐射定标方法的原理和实现：

  1. 偏置定标通过统计均匀暗场影像中各列的均值来确定暗电流偏置，是整个定标流程的基础步骤。
  2. 场地定标利用均匀地物场景，在偏置校正后通过各列均值与全局均值的比值计算增益系数，操作简便、适用于日常业务。
  3. 90度偏航法通过卫星姿态机动使所有探测器观测同一地面轨迹，提供最高精度的增益定标，但需要卫星配合执行专门的偏航成像计划。
  4. 统计定标利用影像自身的统计矩（均值和标准差）同时计算增益和偏置系数，无需特殊数据源，适用于快速批量处理。

四种方法构成了完整的相对辐射定标体系，可根据数据条件、精度要求和业务需求灵活组合使用，确保遥感影像的辐射一致性达到应用要求。

相关推荐
白白白小纯2 小时前
算法篇—返回倒数第k个节点
c语言·数据结构·算法·leetcode
小羊先生car2 小时前
RTOS-F429-HAL-（动/静态）任务的创建（2026/7/27）
开发语言·算法·c#
无忧.芙桃2 小时前
数据结构之堆
c语言·数据结构·c++·算法·堆
小蒋学算法2 小时前
算法-删除元素后最大固定点数目-典型最长增长序列算法
数据结构·算法
RD_daoyi2 小时前
Google偷偷给AI引用加了五个新功能：内联引用、悬停预览、品牌展示……但点击率真的回来了吗？
大数据·网络·人工智能·算法·安全·搜索引擎
船漏了就会沉2 小时前
后缀自动机（SAM）：字符串处理的“万能瑞士军刀”
算法
白白白小纯3 小时前
算法篇—链表的中间节点
c语言·数据结构·算法·leetcode
Frostnova丶4 小时前
（19）LeetCode 54. 螺旋矩阵
算法·leetcode·矩阵
Frostnova丶4 小时前
（18）LeetCode 73. 矩阵置零
算法·leetcode·矩阵
热门推荐
01GitHub 镜像站点02如何新建文件夹？ 电脑新建文件夹的4种方法032026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片04国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）05AI科技热点日报 | 2026年07月01日06AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路072026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？08微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新092026 年 AI 大模型 & AI 编程工具实战全总结10幻兽帕鲁 - 服务器管理员权限与 GM 命令完全指南