摘要:针对高光谱数据的特点,探讨了高光谱数据特征提取的若干算法,重点研究了导数光谱和光谱编码技术,并从地物光谱曲线中提取了其光谱吸收特征。对同类曲线特征求交得到识别地物的有效特征;对不同类曲线特征求交
针对传统拼接技术对图像信息利用率不足的问题,提出一种基于图像与数据双层融合的高光谱图像拼接技术。对于图像层,采用尺度不变特征变换算法对图像进行特征提取,使用欧氏距离确定特征匹配范围,根据坐标转换关系对
讲述高光谱图像噪声的评估方法,数据降维的目的方法,并进行实例分析
该数据集包含同一地区不同时间的遥感图像,经过图像分析和变化检测处理得出相应的变化检测结果图。该数据集可用于遥感图像变化检测的研究和应用。
这个数据集由谷歌地球收集,其中包含了来自于7个典型的场景类别——草地、森林、农田、停车场、住宅区、工业区和河湖的2800幅遥感图像。每个类别内有400张图像,采用4个不同的尺度进行采样,1:700,1
主要用于检验遥感降维算法的性能!!! 在使用的过程中可以使用MATLAB直接load 即可。其中data中每行为一个数据,label为其对应的标签
霾监测是环境治理中的关键技术之一。目前地面观测站进行霾监测的耗费较大,基于多光谱遥感的霾识别精度较低。将深度学习用于高光谱遥感数据的霾监测,提出一种基于深度残差网络的高光谱霾监测方法,利用深度网络提取
为了实现大数据量遥感图像的分类,提出了一种Spark平台下高光谱遥感图像稀疏表示分类并行化方法PSCSRC, 首先设计五元组形式的中间数据存储结构,其次在每次迭代中只是将稀疏矩阵中与中间矩阵各分块对应
从径向基函数神经网络的理论出发,针对高光谱数据的特点,设计了有效的特征提取模型,再与径向基函数神经网络的输入层连接,建立了一个新的径向基函数神经网络的高光谱遥感影像分类模型,并用国产OMISII传感器
基于云模型的高光谱遥感图像的分类研究,李万臣,郭逢丽,现有的分类方法都没有考虑或者没有彻底考虑高光谱遥感图像数据的不确定性,因此提出了一种基于云模型的高光谱遥感图像分类方法。