空谱特征相关论文
地物精细化分类一直是遥感领域的研究热点之一,也是生物量计算、全球碳循环、能量流动等研究的重要前提。为实现复杂场景下的地物高......
针对高光谱图像数据标注困难,以及传统图嵌入方法无法表征高维数据之间的多元复杂关系的问题,提出面向高光谱特征提取的无监督空谱......
传统的高光谱图像分类大多只考虑地物的光谱信息,而忽略了空间信息,现有的空谱联合分类方法难以有效提取空间邻域信息。针对上述问......
高光谱与全色影像融合旨在通过融合高空间分辨率的全色影像与低空间分辨率的高光谱影像来获得高空间分辨率的高光谱影像。基于深度......
针对高光谱数据样本标签标注困难问题,以及多数特征提取算法仅考虑光谱特征信息,而忽略了空间信息的问题.提出了一种在无监督场景......
利用高光谱遥感图像对国防工程进行伪装效果评估,提出了一种基于直觉模糊决策的高光谱伪装效果综合评估方法,以及包括光谱泛相似测......
分类是给遥感影像中每一个像元赋予唯一特定标识的技术,也是高光谱遥感影像处理和应用的一个重要领域。提取分类的有效特征一直是......
如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间......
森林是陆地生态系统的主体,为地球提供着至关重要的生态系统服务,如提供食物、纤维,维持碳氮循环、调节区域水文气候等。精确的森林制......
提出一种新的有效的空谱分类方法用于高光谱图像分类.结合光谱和纹理特征来提高分类精度.在以像素为中心的小窗口内计算不变矩得到......
高光谱图像具有高维度、带间相关性较高、样本数量较少等诸多问题,直接利用表示学习算法对高光谱图像进行分类会导致严重的维数灾......
高光谱图像(Hyperspectral Imagery,HSI)分类是高光谱图像处理和应用的一项重要工作。随着深度学习的不断发展,卷积神经网络(Convo......
本文设计了一种改进的卷积神经网络(convolutional neural network,CNN)模型用于高光谱影像分类,该模型能够直接将高光谱影像数据立方......
本研究探讨深度卷积神经网络在机载高光谱数据分类的应用,以期提高亚热带地区森林树种的分类精度。以广西南宁高峰林场为试验区,采......
针对卷积神经网络(convolutional neural networks,CNNs)需求的训练样本量多,而高光谱图像中存在大量的未标签样本未得到充分利用......
针对当前高光谱遥感影像分类人工标注样本费时费力,大量未标注样本未得到有效利用以及主要利用光谱信息而忽视空间信息等问题,提出了......
利用基于光谱维的特征提取方法将原始高光谱图像数据降到一定维数,对降维后的数据采用多尺度自适应加权滤波器(adaptive weighted ......
在利用主动学习方法进行高光谱图像分类时,往往存在空-谱特征不能得到有效利用和样本需要进行手动标注的问题。针对这些问题,提出......
高光谱遥感图谱合一的特性将由物质成分决定的光谱信息与反映地物纹理、形状的空间信息有机结合,从而实现对地物的精准分类、识别......
高光谱遥感图像具有特征(波段)数多、冗余度高等特点,因此特征选择成为高光谱分类的研究热点。针对此问题,提出了空间结构与光谱结......
为提高高光谱图像的分类精度,提出了一种融合空谱特征和集成超限学习机的高光谱图像分类方法。首先结合每个像素邻域的光谱信息提......