高光谱遥感数据集

可用于ENVI或者其他遥感数字图像处理的多光谱图像拼接数据

以掩膜形式标注的轻量级航拍车辆标注数据集，标注信息以图片的形式给出。

高光谱遥感影像的大气订正应用研究，杨校军，杨春玲，本文在对大气影响辐射传输过程的分析和对传统大气辐射校正思路研究的基础上，提出了协同利用辐射传输方程求解和图像自身信息的模

高光谱遥感图像为地物的精确分类带来了机遇,但也面临着一些挑战,高光谱遥感图像分类中所面临的一个挑战是如何处理高的光谱维数和小的样本数目之间的矛盾,目前几乎全部采用降维方法来缓解这一矛盾。集成学习的出现

遥感图像分类的应用在遥感图像研究中具有重要意义。为了提高高光谱遥感图像分类精度,本文提出了基于多特征融合的高光谱遥感分类方法。该方法将图像的空间特征和光谱特征归一融合,然后使用AdaBoost分类器集

局部几何结构Fisher分析通过数据的邻域和邻域的重构来表征高光谱数据的内在流形,可以提升高光谱图像的分类效果。但是该方法使用原始样本点与重构点一起构图,在低维空间上不能有效保持流形的整体结构。针对上

激光雷达与高光谱遥感对地立体探测研究,李先华,黄睿,将激光雷达对大气、水体的透视及对地精确测距定位的立体成像探测能力和高光谱技术相结合,发展先进的空、天基对地立体成像综合定

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

文中利用深度学习思想来实现影像光谱维和空间维的特征提取,同时尝试加入稀疏约束的限制条件,并结合Softmax分类器,实现高光谱遥感影像的分类。实验结果表明,加入空间特征的基于堆栈稀疏自编码的分类方法能

描述了高光谱数据和多光谱数据的波段组合差异，提取相同地区的相同地物，对比分析两种数据的光谱特征。