暂无评论
用于对遥感图像进行监督分类,贝叶斯分类器,用于对遥感图像进行监督分类,用于对遥感图像进行监督分类,用于对遥感图像进行监督分类,用于对遥感图像进行监督分类
受到雾霾的影响,遥感图像的质量下降,影响遥感图像的应用。因此,对遥感图像进行去雾处理有着非常重要的意义。暗通道先验算法是常用的去雾算法,但遥感图像中雾霾分布是不均匀的,因此在对遥感图像进行去雾处理时,
在有监督的高光谱图像分类中,众所周知的困难是训练数据的可用性有限,这是昂贵的,并且在实际的遥感场景中很难获得和获得。 支持向量机(SVM)技术已被证明非常适合通过使用有限数量的训练样本对高光谱数据进行
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)
1运用遥感软件认识光谱库2提取高光谱数据上的兴趣样区3进行彩色合成显示4学习使用ENVI的FLAASH模块进行高光谱遥感图像的大气校正
基于加权原型空间特征提取的高光谱图像分类,张美琦,杨小远,针对高光谱数据在原型空间上的表示,在原型空间特征提取(PSFE)方法上提出了一种基于加权原型空间特征提取的高光谱图像数据分类�
提出一种基于分层稀疏表示特征学习的方法即分层判别特征学习算法对高光谱图像进行分类,在两层的分层结构中用空间金字塔匹配模型在每层的稀疏编码上用最大池化方法学习得到判别特征,用分层判别特征学习得到的特征表
基于K-means算法的遥感图像分类的matlab实现
遥感图像分类是遥感领域研究的热点问题之一。该文结合量子粒子群优化(QPSO)算法和多样性变异的机制提出了一种新的高光谱遥感图像分类算法。在遥感图像分类过程中,采用无监督分类,图像中每个像素点到聚类中心
提出一种基于卷积神经网络中残差网络的遥感图像场景分类方法。本文方法在原网络模型中嵌入了跳跃连接和协方差池化两个模块,用于连接多分辨率特征映射和融合不同层次的多分辨率特征信息,并在3个公开的经典遥感数据
暂无评论