医学图像识别是计算机视觉和计算生物学两者中的一项重要任务。在医学图像分类领域,基于局部二进制模式(LBP)描述符的图像已广受欢迎。但是,大多数基于LBP的现有方法都将二进制模式编码在固定的邻域半径内,
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
针对高空间分辨率遥感影像图幅较大、地物特征丰富以及边缘信息复杂等特点,提出了一种新的快速自适应插值方法,在较低计算复杂度下,有效改善了高空间分辨率遥感影像的插值效果。新算法按照坐标的奇偶性将待插值点分
为了消除传统的遥感影像分类所带来的模糊性和不确定性,采用 B P神经网络进行遥感影像分类。利用 Matlab软件构建 B P网络遥感影像分类算法,通过对 B P网络算法进行改进,采用动量. 自适应学习
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
基于模糊C-均值聚类算法的遥感影像分类,王翠玲,王一冒,本文简要介绍了K-均值聚类和模糊C-均值聚类算法,传统的k-均值聚类算法广泛用于图像的自动分类,但没有考虑到图像信息的不确定性问�
基于BP神经网络的遥感影像分类方法研究,张建平,王崇倡,采用BP神经网络进行遥感影像分类,可以在一定程度上消除传统的遥感影像分类所带来的模糊性和不确定性。然而,BP网络自身也存在着�
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
基于MATLAB写的可对遥感影像进行BP神经网络分类的m文件,里面有测试图像数据,其中感兴趣区域数据是由ENVI选取的感兴趣区域保存而来。
提出了一种基于集成卷积神经网络(CNN)的遥感影像场景分类算法。通过构建反向传播网络实现了场景图像的复杂度度量; 根据图像的复杂度级别, 选择CNN对图像进行分类, 完成了遥感影像的场景分类。使用所提
