暂无评论
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�
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,
受传感器状态、成像机理、气候、光照等条件的影响, 高光谱遥感图像存在严重的畸变和失真。本征图像分解是计算机视觉及图形学领域广泛应用的图像处理技术, 采用该技术能够获得图像的本质特征。本研究将本征图像分
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
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
由于高光谱图像的光谱分辨率已经达到了10 nm甚至更高,使其具有了辨识很多原本在其他遥感图像中无法识别出现的地物。但较高的光谱分辨率也带来了高维数据的处理难题。为了充分利用高光谱图像的高维数据信息,提
提出了一种新型的基于扩展数学形态和光谱相似度测量的高光谱图像异常检测方法。在目标与背景未知的情况下,同时利用光谱和空间信息实现目标的定位与检测,实现高光谱遥感数据的目标检测。通过扩展的膨胀和腐蚀操作实
基于图像特征的玉米叶部病害模糊识别研究，宗华丽，，目的目前，作物叶部病斑识别的方法大多是利用叶片病斑的形状和面积周长等特点，采用简单的贝叶斯识别方法或明确识别条件来识别��
基于单行体体积的高光谱图像线性光谱解混算法，陈利，孙波，本文根据高光谱数据在高维波段空间中散点的分布为凸面单形体这一特点，推导出高光谱图像的混合像元中各个端元的丰度值为两个凸面
通过SVM和超像素分割进行光谱空间高光谱图像分类
暂无评论