高光谱图像的超多波段可以描述丰富的地物信息,但是也带了维数灾难的问题。本文提出了PCA_LDA组合降维方法,使类内距离最小化,类间距离最大化,有效地消除数据冗余,并保留主要信息量,保证了降维后的数据具
受传感器状态、成像机理、气候、光照等条件的影响, 高光谱遥感图像存在严重的畸变和失真。本征图像分解是计算机视觉及图形学领域广泛应用的图像处理技术, 采用该技术能够获得图像的本质特征。本研究将本征图像分
相关向量机(RVM)高光谱图像分类算法是一种基于贝叶斯概率模型的监督机器学习算法,其分类精度较高、测试时间较短。然而算法本身存在训练时间随着训练样本增加直线上升、分类效率整体降低等问题。针对这种情况,
由于光子效应,校准误差等,高光谱图像(HSI)不可避免地会遭受诸如随机噪声之类的退化。 现有的大多数HSI去噪方法都集中于单独利用频谱相关性或空间非局部自相似性。 在本文中,我们提出了一种用于HSI降
鸭梨点名器,不重复随机点名。
为了满足遥感卫星实时云检测要求,提出了一种基于光谱角的云检测算法。首先在多光谱谱段构成的欧式空间中构造参考云矢量;然后计算图像中各像元矢量与参考云矢量的光谱角,对光谱角进行高斯滤波生成云掩膜;最后计算
图像合集(红外、可见光、高光谱、sar图像),包含jpg和部分matlab代码
针对高光谱图像背景复杂导致高光谱图像异常检测效果下降的问题,提出了一种新的基于抑制背景的高光谱图像异常检测方法。 该方法首先使用主成分分析法抑制高光谱图像中的背景信息,得到背景抑制后的图像,然后再使用
本文将高光谱异常检测理论与图像融合理论相结合,研究了一种基于非线性空间的高光谱异常检测算法。
高光谱目标检测的算法,高光谱遥感图像不仅包含了物体的空间信息,而且还包含了物体的光谱信息,其中的每个像素都包含一个近似连续的光谱曲线。高光谱图像中同一波段的所有像素可以形成二维图像,每个像素也包含一条
