注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 研究论文-基于POCS的高光谱图像超分辨率方法.pdf

  2. 高光谱图像得到了越来越广泛的应用，但较低的空间分辨率严重地影响着它的应用效果，其超分辨率方法受到学术界的高度重视，但一直没有得到很好的解决.为此，建立低分辨率资源图像与高分辨率目标图像之间的关系模型；引入关联感兴趣光谱端元的算子进行空间变换；应用凸集投影(POCS)算法实现超分辨率复原.实验表明，该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强和保护感兴趣类别等优点.

  3. 所属分类：其它

    • 发布日期：2019-08-07
    • 文件大小：652288
    • 提供者：weixin_39840914

  1. 基于MAP的高光谱图像超分辨率方法

  2. 基于MAP的高光谱图像超分辨率方法，王立国，赵妍，高光谱图像得到了越来越广泛的应用，但较低的空间分辨率严重地影响着它的应用效果；其超分辨率方法受到学术界的高度重视，但一直

  3. 所属分类：其它

    • 发布日期：2020-02-23
    • 文件大小：316416
    • 提供者：weixin_38606404

  1. 高光谱与多光谱数据融合

  2. 高光谱与多光谱数据融合，逯祎，，多传感器的遥感数据融合在城市规划，土地利用、军事侦察等方面有着广阔的应用前景。本文主要针对高光谱图像空间分辨率不高的缺点

  3. 所属分类：其它

    • 发布日期：2019-12-29
    • 文件大小：1048576
    • 提供者：weixin_38612437

  1. MF.zip（高光谱目标检测的算法）

  2. 高光谱目标检测的算法，高光谱遥感图像不仅包含了物体的空间信息，而且还包含了物体的光谱信息，其中的每个像素都包含一个近似连续的光谱曲线。高光谱图像中同一波段的所有像素可以形成二维图像，每个像素也包含一条光谱曲线，因此高光谱图像数据可视为三维数据，包含丰富的光谱信息。高光谱图像光谱分辨率较高，可以通过光谱特性区分不同地物的材质，可以解决许多原来利用全色图像、多光谱图像不能解决的问题，例如识别军事伪装，地下工事，进行资源探测，环境监测等，因此高光谱图像目标检测在军事和民用方面都有重要的应用价值。

  3. 所属分类：医疗

    • 发布日期：2019-07-28
    • 文件大小：7168
    • 提供者：weixin_38796347

  1. HJ_1A高光谱数据的条带噪声去除方法研究

  2. 针对环境减灾小卫星的高光谱图像条带的特点, 提出了基于光谱空间连续性的倾斜条带去除方法。高光谱数据的光谱分辨率达到纳米级, 光谱波段多, 在一定范围内可以连续成像, 具有光谱空间的连续性, 基于光谱空间连续性的条带去除方法利用了光谱空间连续性的这一重要特点。

  3. 所属分类：其它

    • 发布日期：2012-03-09
    • 文件大小：471040
    • 提供者：fairyzyz

  1. 云计算环境下海量高光谱图像像素纯度指标算法的并行优化

  2. 随着高光谱图像空间分辨率和光谱分辨率的逐渐提高，图像数据的大小越来越大，处理算法的复杂性也在不断提高，这对有效的大规模高光谱图像处理提出了巨大的挑战。云计算技术将计算任务分配到大量计算资源，以处理大型数据集，而不会限制单个计算机的内存和计算资源。本文首次提出了一种基于MapReduce编程模型的并行像素纯度指标（PPI）算法，用于分解大规模高光谱图像。根据高光谱图像的特点，描述了该算法的设计原理，阐述了PPI的主要云分解过程，并分析了串行和并行算法的时间复杂度。实验结果表明，在云上并行实施PPI

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1048576
    • 提供者：weixin_38677725

  1. SSPSR:用于单个高光谱图像超分辨率（IEEE TCI）的空间光谱先验深度网络-源码

  2. SSPSR-Pytorch 论文： : （IEEE Xplore） （arXiv） 学习空间光谱先验以实现超光谱影像的超分辨率 在本文中，我们引入了空间光谱先验网络（SSPN），以充分利用空间信息和高光谱数据的光谱之间的相关性。 考虑到高光谱训练样本稀少且高光谱图像数据的光谱维数很高，因此训练稳定有效的深度网络并非易事。 因此，提出了一种组卷积（具有共享的网络参数）和渐进式上采样框架。 这不仅减轻了由于高光谱数据的高维而导致的特征提取的困难，而且使训练过程更加稳定。 为了利用空间和光谱先

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：2097152
    • 提供者：weixin_42134143

  1. 基于光谱混合模型与观测模型相结合的高光谱图像空间分辨率增强

  2. 基于光谱混合模型与观测模型相结合的高光谱图像空间分辨率增强

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：122880
    • 提供者：weixin_38663167

  1. 基于非因子化稀疏表示和字典学习的高光谱图像超分辨率

  2. 非负矩阵分解是超光谱图像超分辨率的最典型模型。 但是，对系数的非负限制限制了字典表达的效率。 面对这一问题，提出了一种基于非因式稀疏表示和字典学习的高光谱图像超分辨率方法（称为NFSRDL）。 首先，在相同或相似区域中使用一些低空间分辨率的高光谱图像，专门采用一种有效的光谱字典学习方法来构建光谱字典。 然后，使用非负约束的乘法器交替方向方法（ADMM）估计高分辨率多带图像相对于学习的频谱字典的稀疏代码。 在不同数据集上的实验结果表明，与相关的最新技术相比，我们的方法可以在同一场景中改善PSNR超

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：327680
    • 提供者：weixin_38526823

  1. 使用基于类的BP神经网络对RGB图像进行光谱超分辨率

  2. 高光谱图像具有高光谱分辨率，并且已在许多应用中得到广泛使用，但是实现高光谱分辨率的成像过程是以空间分辨率为代价的。 本文旨在通过提出一种新的基于类的光谱超分辨率方法，从高空间分辨率的RGB图像中构建高空间分辨率的高光谱（HHS）图像。 借助一组RGB和HHS图像对，我们提出的方法使用基于类的反向传播神经网络（BPNN）学习RGB和HHS图像对之间的非线性光谱映射。 在训练阶段，使用无监督聚类将RGB图像根据光谱相关性分为几类，并使用分类后的RGB图像和对应的HHS图像的光谱对来训练BPNN，建立

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：973824
    • 提供者：weixin_38701407

  1. 非负结构稀疏表示的高光谱图像超分辨率

  2. 非负结构稀疏表示的高光谱图像超分辨率

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：2097152
    • 提供者：weixin_38519234

  1. 基于特征融合方法的高光谱图像分类综述

  2. 高光谱图像中包含丰富的光谱特征和空间特征,这对地表物质的分类至关重要。然而高光谱图像的空间分辨率相对较低,使得图像中存在大量的混合像素,这严重制约物质分类的精度。受到观测噪声、目标区域大小及端元易变性等因素的影响,使得高光谱图像的分类仍然面临诸多挑战。随着人工智能和信息处理技术的不断进步,高光谱图像分类已成为遥感领域的一个热点问题。首先对基于特征融合的高光谱图像分类文献进行系统综述,并对几种分类策略进行分析与比较,然后介绍高光谱图像分类的发展现状及面临的相应问题,最后提出一些可以提高分类性能的策

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：764928
    • 提供者：weixin_38714653

  1. 基于选择性分段行-列二维主成分分析的高光谱图像异常检测

  2. 高光谱图像具有越来越高的空间和光谱分辨率，其带来了数据量大、相关性强和冗余度高的问题，使得异常检测结果精度不高。为了选择更加有利于异常检测的图像，运用二维主成分分析（2DPCA）方法降维，并引入局部联合偏度-峰度指数进行图像选择，提出了一种基于选择性分段2DPCA的高光谱图像异常检测方法。首先利用相关系数对原始图像进行分段，然后通过旋转数据结构在每个波段子空间中实现行-列二维主成分降维；再选择合适大小的窗口，遍历每个降维结果的主成分，计算窗口内的局部联合偏度-峰度指数，并以此为指标选择用于异常检

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：5242880
    • 提供者：weixin_38746442

  1. 基于期望值最大化的高光谱图像迭代复原算法

  2. 声光可调谐滤光器(AOTF)的谱线半峰全宽（FWHM）以及换能器结构的不理想导致图像退化, 空间分辨率降低。为了提高光谱数据的空间分辨率, 将计算机断层图像复原中的期望值最大化（EM）算法应用到降质图像预处理中, 可在对图像模糊降质程度估计不准确时进行运算, 利用迭代求解逐次逼近最终收缩于原始目标。实验结果表明, 该算法不依赖于数字图像周期拼接的假设, 因而有效避免了传统的去卷积复原算法中产生的边界振铃现象, 提高了图像的空间分辨率, 图像质量得到改善。该算法对改善AOTF高光谱成像质量有较大意

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：946176
    • 提供者：weixin_38635684

  1. 基于相关向量机的高光谱图像超分辨率算法

  2. 为了融合多光谱图像空间信息和高光谱图像光谱信息，进而提高高光谱图像的空间分辨率，提出了一种基于相关向量机(RVM)的高光谱图像超分辨率算法。介绍了多光谱与高光谱图像通过融合获得超分辨率图像的算法原理，对RVM回归原理进行分析介绍。结合RVM在回归分析上的优势，提出了利用RVM建立多光谱图像与高光谱图像之间的内在的空间及光谱对应关系，通过融合两种图像的信息来提高图像的分辨率。实验结果表明：归一化均方根误差小于0.001,光谱角误差小于0.02,较Price、Elbakary法有较大提升。本文提出的

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_38707153

  1. 基于集成学习的高光谱图像一类分类算法

  2. 由于高光谱图像的光谱分辨率已经达到了10 nm甚至更高，使其具有了辨识很多原本在其他遥感图像中无法识别出现的地物。但较高的光谱分辨率也带来了高维数据的处理难题。为了充分利用高光谱图像的高维数据信息，提高一类分类器性能，提出了一种基于集成学习的高光谱图像一类分类方法。该方法将训练样本生成多个随机子空间的低维训练样本集，在这些子空间训练集上训练支持向量数据描述(SVDD)，并对其进行精简处理，最后均值合并这些分类器为一个集成分类器。实验结果表明，与光谱角匹配、一类支持向量机(OC-SVM)和直接SV

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_38611877

  1. 基于图像融合的高光谱异常检测

  2. 针对高光谱图像空间分辨率不足导致异常检测虚警率过高的问题，提出了一种利用主成分分析（PCA）和IHS变换融合以降低虚警率的算法。首先对低分辨率高光谱图像进行PCA变换，提取3个主成分；然后对这3个主成分和高分辨率图像分别进行IHS变换，得到各自的强度分量，把高光谱数据的强度分量替换成高分辨率图像的强度分量；再运用IHS变换的可逆性，将新的强度分量与原色度分量和饱和度分量进行IHS逆变换，得到空间信息增强的高光谱图像数据；最后使用KRX算法对空间信息增强的高光谱图像数据进行异常检测。实验结果表明，

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：833536
    • 提供者：weixin_38728347

  1. 空间光谱联合稀疏表示的高光谱图像超分辨率方法

  2. 针对获取的高光谱图像空间分辨率较低的问题，设计了一种空间光谱联合稀疏表示的超分辨率方法：提取图像中不同的反射光谱，通过压缩感知字典学习算法得到强稀疏性、弱相干性的光谱字典；利用高光谱图像信号的稀疏性、非负性以及空间结构相似性，通过同步正交匹配追踪算法，从相同场景的高空间分辨率的低光谱图像求解得到稀疏编码矩阵；联合光谱字典和稀疏编码矩阵得到目标图像。由于联合使用高光谱图像的空间与光谱信息，仿真实验数据和真实实验数据结果表明，相比于传统方法和矩阵分解方法本文方法，能够有效重建图像细节信息与纹理结构，

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：7340032
    • 提供者：weixin_38596413

  1. 基于张量截断核范数的高光谱图像超分辨率重构

  2. 针对高光谱图像在获取过程中存在多种不同程度退化的问题,提出一种基于张量截断核范数和空谱全变差正则化模型,实现了高光谱图像的超分辨重构。首先分析高光谱图像的两种先验信息:空谱低秩先验和空谱稀疏先验;利用空谱低秩先验建立基于张量截断核范数的低秩约束模型,实现对秩函数的准确逼近;利用空谱稀疏先验建立空谱全变差正则化模型,有效地保持图像的边缘信息;最后结合两种模型的优势,建立基于张量截断核范数和空谱全变差正则化的高光谱图像重构模型。实验结果表明新模型提高了视觉质量,与目前最新的超分辨率重构模型相比,本文

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：8388608
    • 提供者：weixin_38677234

  1. 基于最小体积稀疏正则的高光谱解混方法的研究

  2. 高光谱解混的目的在于提取图像中的端元特征和丰度特征。由于高光谱图像空间分辨率低而存在大量混合像元,因此如何从混合像元中提取光谱特征和空间分布信息是高光谱解混面临的难题。基于非负矩阵分解的高光谱解混是一个不适定拟合问题,而且在处理过程中将立方体数据转化为矩阵会导致三维结构信息的丢失。利用最小体积单纯形空间稀疏性,提出一种基于最小体积稀疏正则的高光谱解混方法,能够挖掘出图像中光谱特性和丰度特征的内在关系,减少结构信息的丢失。将凸几何中的最小体积约束与非负矩阵分解相结合,并采用近似交替优化与交替方向乘

  3. 所属分类：其它

    • 发布日期：2021-01-25
    • 文件大小：9437184
    • 提供者：weixin_38619207
« 12 3 4 5 6 7 »