从https://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes上爬取Indian Pines数据，分析采集过程中...

最新推荐文章于 2024-04-07 20:27:52 发布
最新推荐文章于 2024-04-07 20:27:52 发布
阅读量191 收藏
点赞数
文章标签： 算法 随机森林 python 机器学习 人工智能
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_42576804/article/details/129606662
版权
文章讲述了使用Python爬虫技术从指定网站获取IndianPines数据的过程，接着详细讨论了数据预处理的步骤，包括去噪、归一化以及利用Gabor滤波器、PCA和LLE等方法进行特征提取。此外，还提及了运用类似OG-IQA的代码来分析特征子图的分数。
摘要由CSDN通过智能技术生成

爬取 Indian Pines 数据的过程中, 首先需要使用爬虫技术自动访问 https://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes 网页并获取相应的数据, 这一步需要使用编程语言如 Python 来实现.

在分析采集过程中各模块的设计思路时, 需要对数据进行预处理, 主要包括去噪, 归一化, 特征提取等. 在特征提取过程中, 使用多种不同的算法来提取出图像的不同特征, 例如 Gabor 滤波器, PCA, LLE 等.

接着, 分析每一个特征子图的分数, 可以使用类似于 OG-IQA 的代码来实

Jay星晴
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
高光谱数据集
haoji007的博客
07-22 3万+
该网址包含 Indian_pines, Salinas, Pavia Centre and University, Cuprite, Kennedy Space Center, Botswana等常用高光谱数据及其标签，数据格式为mat 网址链接：Hyperspectral Remote Sensing Scenes 数据目录 ...
java8看不到源码-ixa-pipe-chunk:IXA管道分块器(http://ixa2.si.ehu.es/ixa-pipes)
06-04
java8 看不到源码ixa-pipe-chunk ixa-pipe-chunk 是一个chunker，目前提供英语预训练模型。 ixa-pipe-chunk ...数据： en-perceptron-conll00.bin ：92.96 用法 ixa-pipe-chunk 提供 4 个基本功能：
Indian_pines_classification:使用CNN和keras的简单分类器对印度松树高光谱图像进行分类
05-16
Indian_pines_classification 运行环境 Anaconda 3.6.4 python=3.6.4 Keras=2.1.5 TensorFlow=1.3.0 作为keras后端 numpy=1.14.2 notebook=5.4.1 ipython=6.3.1 spectral=0.19 代码结构 dataset.ipynb 利用spectral工具包读取数据集,然后对数据集进行预处理,包括进行训练测试集分割 / 序列化和PCA变换,并将其以npy的格式保存到文件中.处理后的数据集保存在predata文件夹中. train.ipynb 利用keras构建卷积神经网络模型,读取与处理的数据集进行训练. 其中训练过程,使用随机梯度下降法SGD作为优化算法,使用多分类的对数损失函数categorical_crossentropy作为损失函数. 使用ReduceLROnPla
【高光谱图像数据集】Indian Pines
04-07
This scene was gathered by AVIRIS sensor over the Indian Pines test site in North-western Indiana and consists of 145\times145 pixels and 224 spectral reflectance bands in the wavelength range 0.4–2.5 10^(-6) meters. This scene is a subset of a larger one. The Indian Pines scene contains two-thirds agriculture, and one-third forest or other natural perennial vegetation. There are two major dual lane highways, a rail line, as well as some low density housing, other built structures, and smaller roads. Since the scene is taken in June some of the crops present, corn, soybeans, are in early stages of growth with less than 5% coverage. The ground truth available is designated into sixteen classes and is not all mutually exclusive. We have also reduced the number of bands to 200 by removing bands covering the region of water absorption: [104-108], [150-163], 220. Indian Pines data are available through Pursue's univeristy MultiSpec site.
python实现归一化去噪_如何基于python实现归一化处理
weixin_39960920的博客
11-28 78
这篇文章主要介绍了如何基于python实现归一化处理,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下一、定义归一化方法有两种形式，一种是把数变为（0，1）之间的小数，一种是把有量纲表达式变为无量纲表达式。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。二、目的不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到...
pytorch遥感图数据集
m0_46602930的博客
03-20 1380
PyTorch中的遥感图像数据集包括以下几种：EuroSAT：该数据集包括27个类别的遥感图像，共有约27,000张图像。每个类别都包括约1,000张图像。该数据集可用于分类任务。SEN12MS：该数据集包括了L-波段和C-波段的遥感图像，总共有许多张图像，可以用于各种任务，如分割、分类、检测等。NWPU-RESISC45：该数据集包括45个类别的遥感图像，其中包括飞机、桥梁、森林等不同类型的物体。总共有30,000张图像。该数据集可用于分类任务。
从https://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes上爬取Indian Pines数据
08-10
要从https://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes上爬取Indian Pines数据，需要进行以下步骤： 1. 打开网页：打开URL链接...
从https://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes上爬取Indian Pines数据，提供源代码
09-21
url = 'https://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes' response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') # 从 soup 中提取信息 ``` 这个代码段...
java8源码-ixa-pipe-tok:IXA管道句子分割器和标记器(http://ixa2.si.ehu.es/ixa-pipes)
06-04
java8源码ixa-pipe-tok ixa-pipe-tok 是一个基于多语言规则的分词器和句子分割器。 ixa-pipe-tok 是 IXA 管道的一部分，IXA 管道是一组由 IXA ...该模块为多种语言提供多语言句子分割和标记化，例如巴斯克语、荷兰语、...
java8看不到源码-ixa-pipe-nerc:IXA管道命名实体标记器(http://ixa2.si.ehu.es/ixa-pipes)
06-04
java8 看不到源码ixa-pipe-nerc ixa-pipe-nerc 是在 IXA 管道工具 [] 中开发的多语言命名实体标记器。 当前版本是 ...如果你使用标注器，请引用这篇论文： ...Rigau，具有浅半监督特征的鲁棒多语言命名实体识别。...
hyperspectral:一个围绕高光谱立方体 FITS 文件的简单 python 包装器
06-14
这是一个节俭的 python 包，带有一些高光谱数据的好东西。 包括测试在内的整个源代码可以上找到。 如何安装 安装脚本是在distutils之上构建的，因此您可以阅读以获取安装说明。 总而言之，您可以通过pip或通过setup脚本setup ： pip install hyperspectral 或者 python setup.py install 如何发布 将.pypirc复制到~/.pypirc 。 填写password字段。 （问我 ！） python setup.py sdist && twine upload dist/* 依赖关系 如果你运行setup.py ，你也需要 。 测试依赖 除非您正在运行测试套件，否则您不需要这些。 高光谱立方体 具有两个空间维度和一个光谱维度的 3D 数据包装器。 它扩展了astropy.nddata.NDData并大量使用astro
农业高光谱遥感论文
12-17
关于农业高光谱研究方向的论文精华版，对研究方向会有很大帮助。
高光谱遥感数据库Salinas
02-08
包括Salinas和Salinas-A This scene was collected by the 224-band AVIRIS sensor over Salinas Valley, California, and is characterized by high spatial resolution (3.7-meter pixels). The area covered comprises 512 lines by 217 samples. As with Indian Pines scene, we discarded the 20 water absorption bands, in this case bands: [108-112], [154-167], 224. This image was available only as at-sensor radiance data. It includes vegetables, bare soils, and vineyard fields. Salinas groundtruth contains 16 classes.
\Hyperspectral Remote Sensing高光谱遥感原理与应用 英文
08-09
\Hyperspectral Remote Sensing高光谱遥感原理与应用\Hyperspectral Remote Sensing高光谱遥感原理与应用
常用的高光谱遥感数据1
04-12
是从这个网站上下的 http://www.ehu.eus/ccwintco/index.php?title=Hyperspectral_Remote_Sensing_Scenes 包括1 Indian Pines 2 Salinas 2.1 Salinas scene 2.2 Salinas-A scene 3 Pavia Centre and University 3.1 Pavia Centre scene 3.2 Pavia University scene 4 Cuprite 5 Kennedy Space Center (KSC) 6 Botswana 均为MATLAB数据文件，由于上传大小限制，分三批上传，第一批
基于卷积神经网络的高光谱分类 CNN+高光谱+印度松数据集
热门推荐
weixin_50890461的博客
11-18 3万+
基于卷积神经网络的高光谱分类 一、研究现状 只考虑到高光谱图像的光谱特征，即：1、提取特征(小波变换、Gabor纹理分析、形态学剖面) ​ 2、利用分类方法分类(支持向量机、决策树、随机森林、神经网络) ​ 缺点：这些特征提取方法需要依据先验知识手动设置，且通过设定参数提取的特征信息通常只能 ​ 用于区分特定的对象，缺乏灵活性，并且分类性能无法进一步提升。 本文提出：卷积神经网络的高光谱分类 ​ 优点：能同时提取图
运行Hyperspectral-Classification踩坑注意事项
u014541802的博客
06-26 315
运行Hyperspectral-Classification-master踩坑注意事项。
吹爆！遥感高光谱分类(Python)
最新发布
weixin_45866058的博客
04-07 1496
一、数据集下载二、安装包Spectral Python (SPy)是一个用于处理高图像数据的纯Python模块。它具有读取、显示、操作和分类高光谱图像的功能。Spectral安装：官网链接：安装命令：三、数据处理加载数据、统计元素个数、光谱图显示、重构需要用到的类、标准化数据并存储四、模型训练五、模型推理六、踩坑记录问题描述：spectral.imshow(img)时，图像一闪而过，并且spectral好像没有类似CV2的waitKey方法。所以无法暂停。
【两种方式】用python和ENVI画出高光谱遥感影像的3D立体图
haoji007的博客
01-10 9188
前言 ​在之前的一篇文章中，介绍了高光谱图像的特点和表达形式。高光谱图像最突出的一个特点拥有大量光谱波段，使得图像堆叠成一个超立方体。由于最近研究需要，想可视化展示HSI图像的3D立方体。于是，搜索了一些资料，展开了工作。以下是绘制的两种方式。 一、使用python ​这种方法很简单，几行代码就可以搞定，废话不多说，直接上代码。 ​需要的环境：spectral，ipython，matplotlib import os import scipy.io as sio from spectral i
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