基于加权原型空间特征提取的高光谱图像分类

本文介绍了一种基于扩展随机游走（ERW）的高光谱图像光谱空间分类方法，该方法包括两个主要步骤。首先，采用广泛使用的像素分类器，即支持向量机（SVM）来获得高光谱图像的分类概率图，其反映了每个高光谱像素

高光谱图像分类是遥感领域的研究热点之一,是对地观测的重要手段,在地物的精细识别等领域具有重要的应用。使用卷积神经网络(CNN)可以有效地从原始图像中提取高级特征,具有较高的分类精度。但CNN计算量巨大

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

基于可见光谱人脸识别技术的效率和精度受光照、姿态、遮挡、表情变化和照片欺诈等因素的影响较大, 尤其是夜视环境下的人脸识别难题亟待解决。为此, 提出了一种基于热红外光谱的人脸特征提取算法。对热红外人脸图

基于核正交子空间投影的高光谱图像端元提取算法

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

基于内容的图像检索技术 颜色特征 纹理特征 感兴趣的特征提取

高光谱图像(HSI)为土地覆盖物提供了数百个狭窄的光谱带,因此可以为土地覆盖物分类提供更强大的判别信息。 但是,HSI受高维诅咒的困扰,因此尺寸减小和特征提取对于HSI的应用至关重要。 在本文中,我们

MFCC：Mel频率倒谱系数的缩写。Mel频率是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系。Mel频率倒谱系数(MFCC)则是利用它们之间的这种关系，计算得到的Hz频谱特征，MFCC已经广

【摘要】 目标的自动识别是最有价值的应用需求之一，但它同时也最具挑战性。过去几十年中该课题的研究己经取得了较大的进展，但计算机自动识别技术还远没有达到理想的实际应用需求。自动识别技术涉及到很多方面的研