![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
高光谱遥感
文章平均质量分 62
RAO_OO
这个作者很懒,什么都没留下…
展开
-
高光谱遥感图像处理与信息提取综述
高光谱遥感图像处理与信息提取综述 高光谱遥感是对地观测的重要手段,高光谱图像处理与信息提取技术则是高光谱遥感领域的核心研究内容之一。高光谱图像处理与信息提取技术的研究主要包括数据降维、图像分类、混合像元分解和目标探测等方向。 高光谱图像处理与信息提取中面临的关键问题:高光谱图像波段多、数据量大,而且混合像元问题较为严重,且同物异谱影响明显,这都是信息提取研究需要解决的关键问题,原创 2017-08-09 10:08:30 · 23879 阅读 · 0 评论 -
光学遥感影像智能化处理研究进展
光学遥感影像智能化处理研究进展 随着对地观测技术的发展,海量遥感影像不断传输到地面。传统的遥感信息处理方法在处理效率、精度上的不足,限制了遥感信息的挖掘及利用,亟需发展智能化方法满足遥感影像处理的需求。受自然界中生物进化机制的启发,基于进化计算的遥感影像智能化处理方法具有以下特点:(1)拥有全局优化能力,对目标函数的优化能力更强;(2)具有自组织、自学习的特点,能够从遥感数据本身学习,不依原创 2017-08-09 10:08:59 · 2770 阅读 · 0 评论 -
使用深卷积神经网络的高光谱图像的光谱空间分类
使用深卷积神经网络的高光谱图像的光谱空间分类摘要本文中,提出了一个用于光谱和空间特征的高光谱图像分类的新颖的深度学习框架。 该框架是主成分分析,深卷积神经网络(DCNN)和逻辑回归(LR)的混合。 用于分层提取深度特征的DCNN首次被引入高光谱图像分类。 所提出的技术包括两个步骤。 首先,提出特征图生成算法,生成光谱和空间特征图。 其次,对DCNNs-LR分类器进行训练,以获得有用翻译 2017-08-14 17:00:00 · 14435 阅读 · 6 评论 -
用于高光谱图像分类的深度卷积神经网络
用于高光谱图像分类的深度卷积神经网络 摘要:近来,卷积神经网络已经在各种视觉任务中表现出优异的性能,包括常见二维图像的分类。 在本文中,采用深卷积神经网络直接在光谱域中对高光谱图像进行分类。更具体地,所提出的分类器的架构包含权重的五层,其中是输入层,卷积层,最大池层,完整连接层和输出层。 在每个光谱签名上实现这五个层以区别于其他光谱。 基于几个高光谱图像数据集的实验结果表明,所提出的翻译 2017-08-30 09:51:51 · 7591 阅读 · 1 评论