高光谱图像实验样本

高光谱遥感影像SVM分类中训练样本选择的研究,王晓玲,杜培军,支持向量机(SVM)分类的关键是发现分类最优超平面及类别间隔,而混合像元比纯净像元更接近类别边界,更容易找出最优超平面。针对

作为单层前馈神经网络,极限学习机(ELM)最近已成功用于高光谱图像(HSI)的分类。然而,纯像素级光谱分类器的结果通常看起来非常训练样本有限,噪音很大。 为了进一步提高精度,我们提出了一种新的基于象素

根据高光谱遥感图像数据维度高、空间相关性、特征非线性的特点,提出了一种基于深度学习的空-谱特征提取分类算法。首先在堆栈稀疏自动编码机中加入权重衰减项,再利用主成分分析方法对图像数据进行降维处理,然后根

采用高光谱成像技术对香梨的表面损伤缺陷进行准确高效的无损检测。选用80个库尔勒香梨为研究对象,采集400~1000 nm波段内完好样本和损伤样本的高光谱图像;利用统计分析的方法,选择863 nm处的高

滤波器在提取高光谱图像空间纹理信息时往往容易陷入局部的特征提取。针对这一问题, 提出一种自适应流形滤波的高光谱图像分类算法(AMF-SVM)。该方法采用自适应寻优, 先计算第一个流形, 然后根据流形树

Deep learning methods have shown considerable potential for hyperspectral image (HSI) classification

高光谱图像中往往存在严重的条带噪声，与常见噪声具有很大不同，现有的去噪方法对其不能完全适用。利用平滑滤波思想结合传统的矩匹配方法，对传统的矩匹配条带去除方法进行改进，对HJ-1-A卫星高光谱图像进行实

基于MAP的高光谱图像超分辨率方法，王立国，赵妍，高光谱图像得到了越来越广泛的应用，但较低的空间分辨率严重地影响着它的应用效果；其超分辨率方法受到学术界的高度重视，但一直

DPCM and bit plane coding hyperspectral image compression scheme

星载高光谱图像的有效压缩已经成为高光谱遥感领域亟待解决的难题。分布式信源编码具有较低的编码复杂度与良好的抗误码性,在高光谱图像压缩领域具有广阔的应用前景。提出了一种基于多元陪集码的高光谱图像分布式近无