波段选择是高光谱数据降维的重要研究方向。文中结合极地海冰的光谱特性,确定针对不同类型海冰光谱可分性较好的波段范围,提出基于波段相似性度量的非监督波段选择算法,该方法分为两个阶段,首先以熵最大的波段开始
针对由于空间信息利用不充分而导致的高光谱图像分类精度较低的问题,提出一种基于图正则自适应联合协同表示的高光谱图像分类算法.首先,采用双边滤波操作对高光谱图像进行空间信息提取,以充分挖掘每个像素的空间信
针对高光谱图像数据维度高、特征非线性以及标签数据获取难度大的特点,结合堆栈稀疏自动编码网络,提出了一种基于非局部方式特征融合的二级分类算法。与传统堆栈稀疏自动编码网络相比,光谱角匹配算法将找到的与被分
受空洞卷积在图像信息方面保持优秀性能的启发,为进一步提高分类精度,提出一种基于双通道空洞卷积神经网络(DCD-CNN)的高光谱图像分类框架。空洞卷积可扩展滤波器的感受野,有效地避免图像信息丢失,从而提
基于空谱联合协同表征的高光谱图像分类算法.pdf
结合高光谱数据和深度学习的特点,提出一种同时考虑像素光谱信息和空间信息的深度卷积神经网络框架。该框架主要步骤如下:首先利用主成分分析法对高光谱遥感图像进行光谱特征提取,消除特征之间的相关性,并降低特征
近来,有两种方法被广泛研究,(1)应用多特征融合策略.(2)设计光谱空间特征提取算法。本文结合了多特征融合和特征提取的优势,提出了一个基于集成的分层特征表示的方法。本文方法由三个级联层组成:(1)
针对高光谱图像同一像元内存在多种地物种类,且地物之间具有多重反射,导致高光谱数据的非线性,采用传统的线性降维算法效果不佳等问题,提出利用流形学习的方法来寻找嵌入在高维观测数据空间的低维光滑流形,实现高
在高光谱图像分析领域中,波段选择是一种能有效减少高光谱图像维度的方法。K类仿射传播算法是一种高效的聚类算法,已成功地应用于人脸识别和数据分析等领域,但在高光谱图像分析领域还少有成功的应用。提出将K-A
偏度和峰度能够较好地表达高光谱图像的非高斯性,突出目标、纹理等异常信息,很好地应用于波段选择。为了更好地突出局部异常信息,在全局联合偏度-峰度指数模型基础上,提出了局部偏度-峰度的高光谱图像波段选择方