基于DBN模型的遥感图像分类

针对遥感图像地物覆盖分类方法对图像空间分布信息利用不足的问题，提出一种基于超像素统计量的随机森林遥感图像分类方法。以北京市海淀区为研究区，选用Landsat-8卫星为主要数据源，通过改进SLIC超像素

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

自组织神经网络SOM作为一种无监督学习的竞争式网络，已经得到了广泛的应用，它通过对输入信号的竞争学习，将样本划为不同的类别，但其分类效果常很难令人满意。提出了一种基于混合核函数的SOM神经网络改进方

基于半监督学习的遥感图像分类研究_徐庆伶.caj ，论文，caj格式

基于半监督学习的遥感图像分类研究_徐庆伶.pdf ,pdf,论文

针对遥感图像存在浓云或烟雾的覆盖无法判读地物的信息, 从大气散射模型出发, 研究了直接传播的衰减光和散射的大气光模型。由此采用改进型Retinex算法, 第一步, 先将原图像进行取补色, 灰白区域变成

利用erdas的遥感图像非监督分类的操作步骤。很详细的步骤，非常适合初学者！

稀有文献大家一定要阅读谢谢

基于MATLAB的DBN训练部分源代码基于MATLAB的DBN训练部分

针对环境背景复杂且包含小目标的遥感图像难以进行精准目标检测的问题,在单阶段检测(SSD)模型的基础上,提出了一种基于注意力和特征融合的单阶段目标检测模型,该模型主要由检测分支和注意力分支组成。首先,在