高光谱图像（HSI）+深度学习 分类

最新推荐文章于 2024-04-18 20:11:12 发布
VIP文章 最新推荐文章于 2024-04-18 20:11:12 发布
阅读量7.8k 收藏 52
点赞数 7
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42233898/article/details/105094081
版权

背景

知乎背景描述
高光谱的图像具有光谱信息和空间维度信息。光谱维度信息具有信息冗余（需要对原始光谱信息进行降维分布），空间信息可利用传统的CNN卷积。

目前的高光谱图像数据集

知乎高光谱数据集
CSDN高光谱数据集
1：Washington DC Mal,Indian Pine等
https://engineering.purdue.edu/~biehl/MultiSpec/hyperspectral.html

2：Indian Pines, Salinas,Pavia Centre and University, Cuprite 等
http://www.ehu.eus/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scenes

3：hydice的urban 等
http://www.erdc.usace.army.mil/Media/Fact-Sheets/Fact-Sheet-Article-View/Article/610433/hypercube/#

4:cave 数据集：
http://www1.cs.columbia.edu/CAVE/databases/multispectral/

5: icvl 数据集：
http://icvl.cs.bgu.ac.il/hyperspectral/<

最低0.47元/天 解锁文章
weixin_42233898
关注
  • 7
    点赞
  • 踩
  • 52
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
高光谱/遥感图像常用数据集
04-20
内有常用的高光谱图像（HSI）数据集，有常用的Indian,Pavia。每类数据集里包含图像原始信息，以及相对应的地面真实数据的类别标签。因文件大小限制，只能传这两个数据集，还有Salinas等数据集，大家需要的话可留言。
HSI-分类高光谱图像分类是一项像素明智的任务
10-05
HSI_分类 高光谱图像分类是一项像素明智的任务， 在这里，我展示了一些用于高光谱图像分类的传统算法和深度学习方法。 有关详细信息，请阅读特定方法中的每个自述文件。 在本自述文件中，我列出了这些方法。 基于传统机器学习的方法 KNN(K近邻) SVM(支撑向量机) 基于深度学习的方法 1D-CNN (一维卷积神经网络) 2D-CNN (二维卷积神经网络) 3D-CNN (三维卷积神经网络
3DSA-MFN:用于高光谱图像分类的结合3D自注意力的多尺度特征融合网络
qq_43349542的博客
03-29 5869
论文题目： Multiscale Feature Fusion Network Incorporating 3D Self-Attention for Hyperspectral Image Classification 作者： 中北大学 期刊： 中科院二区 Remote Sensing 摘要： 近年来，基于深度学习的高光谱图像（HSI）分类方法取得了巨大成功，卷积神经网络（CNN）方法在HSI分类任务中取得了良好的分类性能。然而，卷积操作仅适用于局部邻域，并且在提取局部特征方面是有效的。长距离的交互特征
高光谱图像数据集
热门推荐
1
03-31 1万+
1：Washington DC Mal,Indian Pine等 https://engineering.purdue.edu/~biehl/MultiSpec/hyperspectral.html 2：Indian Pines,Salinas,Pavia Centre and University,Cuprite等 http://www.ehu.eus/ccwintco/index....
深度学习和高光谱图像分类
weixin_50557558的博客
11-24 5626
深度学习算法对高光谱图像进行分类的一些问题和方法。
【HSI】高光谱的数据集分类深度学习实战及代码理解
川川自溢的博客
08-11 1万+
高光谱的数据集分类深度学习实战及代码理解，基于最简单的2D卷积来对整个高光谱深度学习特征分类进行讲述，模型可以进行相应的替换
HSI Dataset Visualization：Indian Pines---Python Spectral
lms07的博客
03-18 3352
Preface 从我目前了解，Indian Pines高光谱图像数据集国内外最流行三个数据集之一{Pavia University（PU）、Salinas（S）、Indian Pines(IP)}，当然了国内外还有很多其他的HSI数据集，都是可以从各种途径获取到，这里附加一个链接[HSI Dataset](http://www.ehu.eus/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scenes#anomaly_detection)。
使用HybridSN进行高光谱图像分类
雷恩Layne
01-05 3963
一、前言 高光谱图像（Hyperspectral image，以下简称HSI）分类广泛应用于遥感图像的分析，随着深度学习和神经网络的兴起，越来越多的人使用二维CNN对HSI进行分类，而HSI分类性能却高度依赖于空间和光谱信息，但由于计算复杂度增加，很少有人将三维CNN应用于HSI分类中。这篇 Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification构建一种混合网络(HybridSN)解决了HSI分类所遇到的问
【图像分类】基于阈值分类器(BTC)进行高光谱图像分类研究（Matlab代码实现）
weixin_46039719的博客
05-25 486
它使用由标记的训练像素组成的预定字典执行分类。在公共数据集上的数值结果表明，我们的提案在分类精度和计算成本方面都优于众所周知的基于支持向量机的技术和基于稀疏的贪婪方法，如同步正交匹配追踪。每个像素 捕获的高光谱图像（HSI）或数据立方体包含非常有用的光谱测量值或特征，这些测量值或特征可能是 用于区分不同的材料和物体。众所周知，像素级分类器的性能可以通过合并空间信息来提高 基于HSI均匀区域中的相邻像素具有相似的光谱特征的事实。中提出的基于分割的技术结合了通过聚类和像素获得的分割图 SVM 技术的分类结果。
论文笔记44：ICCV2021-Hyperspectral Image Denoising with Realistic Data-新的数据集和噪声模型
Hermite Lee的博客
11-06 2474
在本文中，我们主要研究如何生成真实的数据集来学习和评估HSI去噪网络。一方面，我们收集一对真实HSI去噪数据集，该数据集由短曝光噪声HSI和相应的长曝光干净HSI组成。另一方面，我们提出了一个精确的HSI噪声模型，该模型能够很好地匹配真实数据的分布，并可用于合成真实数据集。在噪声模型的基础上，提出了一种标定给定高光谱相机噪声参数的方法。大量的实验结果表明，仅使用我们的噪声模型生成的合成数据学习的网络性能与使用成对真实数据学习的网络性能相同。
通过异构深度神经网络对高光谱图像进行监督分类
03-27
在本文中，提出了一种新的基于异构神经网络的深度学习方法，称为HNNDL，用于对带有少量标记样本的高光谱图像（HSI）进行监督分类。 具体来说，将深度神经网络（DNN）和卷积神经网络（CNN）组合起来以构建HNNDL体系...
hsi图像分割matlab代码-CNN_HSIC_MRF:这是用于高光谱图像分类的卷积神经网络的TensorFlow实现
05-22
hsi图像分割matlab代码使用马尔可夫随机场和卷积神经网络的高光谱图像分类 CNN-HSI-MRF 这是卷积神经网络（CNN）的TensorFlow实现，用于基于代码（）的高光谱图像分割任务，如本文所述： 曹X，周F.许L.徐D.孟格，许Z...
高光谱图像分类的主动多核域自适应
03-08
近年来，目睹了高光谱图像（HSI）分类的快速发展。 现有的大多数研究要么通过监督学习严重依赖昂贵的标签信息，要么很难利用从相关领域借来的区分性信息。 为了解决这个问题，在本文中，我们展示了一种基于具有主动...
CV 面试指南—深度学习知识点总结（4）
不要给自己设限，尝试更多可能（思所向 皆可往）
04-17 37
（2）神经网络模型可变的部分主要有神经网络的构成、架构（即选择构建多少层神经网络，每层包含多少个隐含结点，每个隐含结点的激活函数如何选择，层与层之间的连接如何等），一般情况下，在构建好神经网络后，神经网络的训练就变成了层与层之间权重的学习，为了更好的逼近目标值，设计了许多权重学习算法，包括梯度下降算法、共轭梯度法、拟牛顿法L-BMGS，信赖域方法等。即对于受限玻尔兹曼机，通过神经网络的形式，逐层训练受限玻尔兹曼机，或者贝叶斯网络，便可以构建深度玻尔兹曼机，深度贝叶斯网络，使该网络的表征能力进一步的提升。
【机器学习300问】75、如何理解深度学习中Dropout正则化技术？
最新发布
qq_39780701的博客
04-18 502
Dropout正则化的原理是什么？如何具体实现Dropout？为什么Dropout会起作用？它是怎么解决过拟合的？
CV 面试指南—深度学习知识点总结（2）
不要给自己设限，尝试更多可能（思所向 皆可往）
04-15 289
Concatenate操作是在Inception中首次使用，被DenseNet发扬光大，和Addition不同的是，它只要求两个feature map的HW相同，通道数可以不同，然后两个feature map在通道上直接拼接，得到一个更大的feature map，它保留了一些原始的特征，增加了特征的数量，使得有效的信息流继续向后传递。首先按照通道进行计算按位相乘的计算，深度可分离卷积中的卷积核都是单通道的，输出不能改变feature map的通道数，此时通道数不变；
深度学习架构（CNN、RNN、GAN、Transformers、编码器-解码器架构）的友好介绍。
gongdiwudu的专栏
04-10 1793
本博客旨在对涉及卷积神经网络 （CNN）、递归神经网络 （RNN）、生成对抗网络 （GAN）、转换器和编码器-解码器架构的深度学习架构进行友好介绍。让我们开始吧！！
【2024 SCI一区】 基于DCS-BiLSTM-Attention的多元回归预测（Matlab实现）
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
04-18 285
【2024 SCI一区】 基于DCS-BiLSTM-Attention的多元回归预测（Matlab实现）
基于matlab hsi+同态滤波彩色图像增强
10-14
HSI颜色空间将图像的亮度信息独立于颜色信息分离出来。 2. 对亮度信号（I通道）进行对数变换。对数变换可以拉伸图像的动态范围，增强低频部分。 3. 对对数变换后的信号进行空间域滤波。常用的滤波器包括高通滤波器...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值