没有合适的资源？快使用搜索试试~ 我知道了~

文库首页人工智能机器学习classification of hyperspectral image data

classification of hyperspectral image data

共29个文件

m：15个

asv：5个

mat：4个

matlab

需积分: 19 5 下载量 176 浏览量 2018-04-21 10:30:31 上传评论 1 收藏 7.37MB ZIP 举报

温馨提示

In this paper, we propose a new framework for spectral–spatial classification of hyperspectral image data

资源推荐

资源详情

资源评论

A multiclassifier and decision fusion system for hyperspectral image classification

In this paper, a windowed three-dimensional discrete wavelet transform (3DDWT) is employed to extract spectral-spatial features for hyperspectral image classification; these features quantify local or

Unsupervised hyperspectral image classification algorithm by integrating spatial-spectral information

An integrated spatial-spectral information algorithm for hyper spectral image classification is proposed, which uses spatial pixel association (SPA)by exploiting spectral information divergence (SID),

matlab一致性分析代码-transform_learning_hyperspectral_image_classification:转换学

matlab一致性分析代码Transform_learning_for_hyperspectral_image_classification 高光谱图像分类的标签一致变换学习 MAtlab代码：通过将所有附加文件放在同一文件夹中来运行Demo.m，以查看示例。相关出版物： J. Maggu，HK Aggarwal和A. Majumdar，“用于高光谱图像分类的标签一致变换学习”，在IEEE Ge

高光谱图像分类用数据集

高光谱经典分类数据集indian Pines mat格式文件，包含 Indian Pines和Indian Pines_gt两个，还有纠正过的去掉吸水波段的。

高光谱图像分类

5星 · 资源好评率100%

高光谱分类方法，用于多核实现空间-光谱特征的分类方法。

基于分段局部二值模式的高光谱图像分类

基于分段局部二值模式的高光谱图像分类

基于主成分分析与局部二值模式的高光谱图像分类

提出了两种基于主成分分析与局部二值模式的高光谱图像分类算法。利用主成分分析去除高光谱图像的谱间冗余信息，对降维后的图像利用局部二值模式进行空间纹理特征分析，采用稀疏表示分类和支持向量机分别对提取的特征进行分类。其通过将主成分分析与局部二值模式相结合对高光谱图像进行特征提取，保证了高光谱图像的谱间冗余的有效去除，同时保护了高光谱图像的空间局部邻域信息，因此，此类算法不但能充分挖掘高光谱图像的谱间-空

Spatial-Spectral Kernel Sparse Representation for Hyperspectral Image Classification

Kernel sparse representation classification (KSRC), a nonlinear extension of sparse representation classification, shows its good performance for hyperspectral image classification. However, KSRC only

Active Transfer Learning Network: A Unified Deep Joint Spectral-Spatial Feature Learning Model for Hyperspectral Image Classification

Deep learning has recently attracted significant attention in the field of hyperspectral images (HSIs) classification. However, the construction of an efficient deep neural network mostly relies on a

matlab遥感分类代码-CNN-AL-MRF:这是“具有卷积神经网络和主动学习的高光谱图像分类”的代码

这就是《Hyperspectral Image Classification with Convolutional Neural Network and Active Learning》的代码。如果您使用此代码，请在您的工作中引用以下论文。 [1] 曹向勇，姚敬，徐宗本，孟德宇。具有卷积...

Unmixing approach for hyperspectral data resolution enhancement using high resolution multispectral image

In order to enhance the spatial resolution of the hyperspectral images, a novel fast algorithm based on Spectral Mixture Analysis (SMA) techniques is proposed for the fusion of coarse-resolution hyper

使用SVM、随机森林及K-NN进行高光谱图像分类，内置Indian_pines、PaviaU、Salinas数据集及其标签

使用SVM、随机森林及K-NN进行高光谱图像分类，内置Indian_pines、PaviaU、Salinas数据集及其标签

使用K-NN、朴素贝叶斯及最小欧氏距离进行高光谱图像分类，准确度和混淆矩阵评估模型，运行project.m即可

使用K-NN、朴素贝叶斯及最小欧氏距离进行高光谱图像分类，准确度和混淆矩阵评估模型，运行project.m即可

基于组合降维及旋转SVM的高光谱图像分类

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有最佳区分度。旋转森林是一种先进高效的集成学习算法，本文将基分类器由决策树改进为SVM，并将组合降维后的数据应用于旋转SVM分类器，分类精度有了显著的提高。通过实验对比分析，本文方法取得了较好分类效果

Hyperspectral-Image-Classification-using-Deep-Learning:使用具有转移学习功能的深度神经网络架构进行高光谱图像分类

利用深度学习对高光谱图像进行分类使用具有转移学习功能的深度神经网络架构进行高光谱图像分类这是尝试从论文中实现SGCNN-X（混洗组卷积神经网络）模型的尝试，其中X代表卷积层数。要使用转移学习对Hypersectral影像进行分类，请执行以下步骤（来源：印度松树，目标：博茨瓦纳）使用地面真实图像将图像和标签中大小为SXSX 64 （S-样本大小）的样本分配给这些样本。使用变量overl

基于类别的稀疏表示分类器的简单实现-matlab版

这是一篇论文的仿真，论文题目是Class-Dependent Sparse Representation Classifier for Robust Hyperspectral Image Classification 效果并不是很好，只是实现基本功能，参数设置还有待仔细调整。一共10个.m文件...

DR_CNN_scripts_imageclassification_光谱数据分类_DR-CNN_CNN_高光谱分类_

5星 · 资源好评率100%

在现代遥感技术中，高光谱图像（Hyperspectral Image, HSI）因其丰富的光谱信息，被广泛应用于环境监测、地质勘探、农业评估等多个领域。而深度学习，特别是卷积神经网络（Convolutional Neural Network, CNN），在...

Hyperspectral_Image_Analysis_Simplified:该存储库包含不同机器学习技术的实现，例如在高光谱和卫星图像上的分类和聚类

简化了高光谱图像（HSI）分析该存储库包含高光谱图像上不同机器学习技术的实现。 1. -此笔记本具有以下特点：介绍下载HSI 读取高光谱图像。可视化高光谱图像的波段。可视化图像的地面真相。提取高光谱图像的像素...

使用带有标签约束的随机森林的光谱空间高光谱数据分类方法

高光谱图像（Hyperspectral images）包含了丰富的光谱信息，这对于许多应用来说非常有用，比如农业、环境监测、医疗成像等领域。随机森林（Random forests）是一种集成学习方法，它通过构建多个决策树来提升预测...

Data_fusion_HSI_LiDAR:基于深度学习的HSI和LiDAR图像融合

./HSI/Load_data.py加载HSI源数据并制作Train / Test文件作为补丁 ./HSI/CNN.py定义CNN参数./HSI/CNN_feed.py训练HSI CNN权重./HSI/run_cnn.py使用预先训练的CNN参数进行HSI分类./HSI/Spatial_dataset.py为处理HSI...

基于联合稀疏表示与形态特征提取的高光谱图像分类

为了进一步提高稀疏表示分类能力，提出了基于联合稀疏表示算法与形态学特征的高光谱图像（HSI）分类算法。该算法对高光谱图像提取主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。在AVIRIS与ROSIS HSI上的实验结果表明，该算法在分

收起资源包目录

Demo Belief Propagation.zip （29个子文件）

Demo Belief Propagation

BP_message.m 6KB

ReadMe.m 3KB

hs_err_pid1800.log 19KB

getNeighFromGrid.m 904B

mlr_probabilities.m 886B

Demo_AVIRIS_MPM_LBP.asv 2KB

ToMatrix.m 103B

ToVector.m 131B

imgreal.mat 5.7MB

LORSAL.m 3KB

Demo_AVIRIS_MPM_LBP.m 2KB

AVIRIS_Indiana_16class.mat 19KB

reference.bib 2KB

sub_AVIRIS_img.mat 1.58MB

belief_propagation_AVIRIS_NeighFormGrid_sub.mat 39KB

demo_AVIRIS_MPM_LBP_AL.m 2KB

calcError.m 2KB

MPM_LBP_AL.asv 12KB

train_test_random_equal_percent.m 1KB

AVIRISindian16classtrue.fig 4KB

train_test_random_equal_number.m 2KB

mlogistic.m 527B

demo_AVIRIS_MPM_LBP_AL.asv 2KB

BP_message.asv 6KB

ReadMe.asv 3KB

AVIRISindiantrue.fig 2KB

splitimage2.m 651B

MPM_LBP_AL.m 12KB

reference.bib.bak 1KB

共 29 条

评论收藏

内容反馈

资源评论

资源反馈

评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~

zzzzzcy

粉丝: 0
资源: 6

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

前往需求广场，查看用户热搜

classification of hyperspectral image data

Hyperspectral-Image-Classification

通过超像素光谱指标表示进行高光谱图像分类

高光谱云图分类代码

hyperspectral-image-classification-cnn

hyperspectral-image-classification-master.zip

A multiclassifier and decision fusion system for hyperspectral image classification

Unsupervised hyperspectral image classification algorithm by integrating spatial-spectral information

matlab一致性分析代码-transform_learning_hyperspectral_image_classification:转换学

高光谱图像分类用数据集

高光谱图像分类

基于分段局部二值模式的高光谱图像分类

基于主成分分析与局部二值模式的高光谱图像分类

Spatial-Spectral Kernel Sparse Representation for Hyperspectral Image Classification

Active Transfer Learning Network: A Unified Deep Joint Spectral-Spatial Feature Learning Model for Hyperspectral Image Classification

matlab遥感分类代码-CNN-AL-MRF:这是“具有卷积神经网络和主动学习的高光谱图像分类”的代码

Unmixing approach for hyperspectral data resolution enhancement using high resolution multispectral image

使用SVM、随机森林及K-NN进行高光谱图像分类，内置Indian_pines、PaviaU、Salinas数据集及其标签

使用K-NN、朴素贝叶斯及最小欧氏距离进行高光谱图像分类，准确度和混淆矩阵评估模型，运行project.m即可

基于组合降维及旋转SVM的高光谱图像分类

Hyperspectral-Image-Classification-using-Deep-Learning:使用具有转移学习功能的深度神经网络架构进行高光谱图像分类

基于类别的稀疏表示分类器的简单实现-matlab版

DR_CNN_scripts_imageclassification_光谱数据分类_DR-CNN_CNN_高光谱分类_

Hyperspectral_Image_Analysis_Simplified:该存储库包含不同机器学习技术的实现，例如在高光谱和卫星图像上的分类和聚类

使用带有标签约束的随机森林的光谱空间高光谱数据分类方法

Data_fusion_HSI_LiDAR:基于深度学习的HSI和LiDAR图像融合

基于联合稀疏表示与形态特征提取的高光谱图像分类

最新资源