Python构建图像分类识别器的方法

基于目标特征的遥感图像分类方法进展，王珂，周坚华，本文根据遥感图像分类识别的一般步骤，综合分析了遥感图像的目标特征（光谱特征、纹理特征和空间特征）提取算法。接着描述了基于

基于支持向量机的遥感图像分类方法,为了提高遥感图像分类的精度,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷,提出了一种基于支持向量机、光谱特征和纹理特征相结合的遥感图像分类方法。采用ETM数据

科大的一篇硕士论文 讲得比较详细 适合入门级的仔细研究下

三维CT图像的缺陷分类方法,涂超,康克军,本文介绍了两种缺陷分类方法:基于K-L变换的分类方法和基于直方图分析的分类方法,它们分别利用了缺陷区域的形状信息和外观信息,

电子科技大学研究生矩阵理论要上交的论文，已经初步整理过

深入研究灰度共生矩阵算法,结合和差统计法对其进行改进。编码实现改进的图像纹理提取算法,并采用基于径向基内积函数内核的支持向量机方法对图像分类效果进行实验。通过训练和测试证明,该系统能减少特征提取的计算

基于纹理对图像进行分类方法的研究,方便大家一起学习研究

为充分利用遥感图像的场景信息，提高场景分类的正确率，提出一种基于空间特征重标定网络的场景分类方法。采用多尺度全向髙斯导数滤波器获取遥感图像的空间特征，通过引入可分离卷积与附加动量法构建特征重标定网络，

基于最小误差阈值的泡沫图像分类方法

传统的卷积神经网络(CNN)通常会丢弃负值特征信息, 进而影响着图像分类的效果. 针对 CNN 更好地学习图像特征的问题, 对传统的 CNN 模型进行改进, 提出 Supplement CNN 模型.