高光谱遥感影像分类数据集,可用于高光谱遥感影像分类研究,尤其在深度学习中十分常用,包括Botswana、Indian Pines、Pavia University等。
主要有监督分类与非监督分类,基于分类判据的实现策略划分,硬分类和软分类,基于像素的分类和基于对象的分类。单分类器和多分类器集成。并简单介绍了一些分类方法,包括监督分类法(最小距离分类法、最大似然分
8波段的遥感影像,其中包含建筑物、道路、植被、 水四种地物类型,现已从四种类型中分别选取了训练样本若干,分别存储在building.xls、road.xls、vegetation.xls和water.
监督分类
本文通过对利用随机森林(RandomForest)和支持向量机(SVM)实现遥感影像滑坡分类算法的比较与分析,探究两种算法在分类准确率、召回率、F1值等指标上的表现,并结合实际案例进行了验证。同时,还
运用java语言实现的Swing组件的K均值图像非监督分类
传统的非监督分类方法中的K均值聚类算法,是一种迭代求解的聚类分析算法,代码可以在MATLAB中直接运行。
基于Matlab的遥感影像直方图匹配,将原图像的每个像素灰度转换为直方图均衡化。
基于小波的遥感影像融合类,利用C++和GDAL库编写; 立面含有小波影像融合的详细C++实现过程; .h和.cpp文件,一个完整的类。 希望对您有帮助; 公开我写的代码,大家相互交流,共同进步。
使用JavagDAL的方式处理遥感影像,同时引入hadoop分布式集群对海量数据的处理能力