基于经验模态分解NCC特征选择的高光谱图像分类算法

针对薄雾天气造成的能见度低的问题,提出了一种利用高光谱图像混合像元分解技术去除雾的方法。建立了薄雾天气下的传感器成像物理模型,对含有雾端元的线性光谱混合数学模型进行解混。然后通过丰度反演方法得到雾端元

压缩包为两个matlab文件，分别对图像进行特征选择。chi卡方检验剔除同类特有特征，DF剔除异类共有特征。

常用的高光谱图像分类数据集包括Indian Pines、Pavia Centre、Pavia University、Salinas-A和Washington_DC。这些数据集广泛用于图像分类领域，奠定

针对高光谱图像数据维数多,光谱信息和空间信息难以提取的问题,提出了一种基于超图和卷积神经网络的分类算法,依据高光谱图像中像素之间的光谱关系和空间关系构建超图;通过超图构建具有谱空联合特征的样本,将其送

为了充分利用高光谱图像的光谱信息和空间结构信息，提出了一种新的基于随机森林的高光谱遥感图像分类方法，首先，利用主成分分析降低数据的维数，并对主成分进行独立成分分析提取其光谱特征，同时消除像元的空间相关

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,

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

通过PPT技术，熟练使用EMD分解，共同讨论EMD和HHT技术

经验模态分解EMD（不带边界延拓的），根据法国学者的镜像延拓经验模态分解修改而来。

高光谱图像降维，可实现matlab对envi文件的直接读取，同时对高光谱图片直接处理。