SSCDenseNet:一种空 谱卷积稠密网络的高光谱图像分类算法

一种基于光谱奇异值检测的高光谱遥感小目标探测方法

图像分类的性能在很大程度上取决于特征提取的质量。卷积神经网络能够同时学习特定的特征和分类器,并在每个步骤中进行实时调整,以更好地适应每个问题的需求。本文提出模型能够从遥感图像中学习特定特征,并对其进行

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.

一种图像纹理特征的提取分类装置.pdf

一种结合颜色特征的PolSAR图像分类方法,卜丽静,黄鹏艳,提出了一种颜色特征与极化特征结合的极化SAR图像分类方法。首先,通过极化目标分解得到极化特征向量,然后,采用最佳指数模型方法

本文介绍一种高质量简化网格的算法，非常的好。

针对传统主动学习单一策略算法在挑选最有价值未标记样本时出现的抖动和不稳定的现象,引入集成学习(ensemble learning)分类器的加权组合思想,提出一种基于组合策略的联合挑选(ESAL)方法,

基于蒙特卡罗特征降维算法的小样本高光谱图像分类

提出了两种基于Gabor特征与局部保护降维的高光谱图像分类算法。该算法利用嵌入主成分分析的Gabor变换对高光谱图像进行特征提取。为了保护相邻特征的局部信息,利用局部Fisher判别分析或局部保护非负

为充分利用高光谱成像技术提供的丰富的光谱信息和纹理信息,对光学伪装效果进行综合评价,提出了一种结合光谱曲线形状相似度、光谱欧氏距离以及纹理欧氏距离的伪装效果综合评价方法。利用绝对关联度、欧氏距离和灰度