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. 高光谱论文\非监督的高光谱图像解混技术研究

  2. 高光谱论文\非监督的高光谱图像解混技术研究

  3. 所属分类：专业指导

    • 发布日期：2010-02-10
    • 文件大小：8388608
    • 提供者：l01011

  1. 高光谱图像解混 数据集 Samon

  2. 高光谱图像解混 数据集 Samon 高光谱图像解混 数据集 Samon

  3. 所属分类：机器学习

    • 发布日期：2017-11-12
    • 文件大小：9437184
    • 提供者：chuangechuange

  1. 高光谱解混数据集（Urban）

  2. 高光谱解混数据集（Urban），matlab的mat格式文件，Urban是高光谱分离研究中使用最广泛的高光谱数据之一。有307 x 307像素，每个像素对应 一个2 x 2 平方米的区域。在该图像中，存在210nm波长，范围从400nm到2500nm，光谱分辨率10nm。在通道 1--4,76,87,101-111,136--153和198-210被移除后（由于密集的水蒸气和大气效应），仍保留162个通道

  3. 所属分类：图像处理

    • 发布日期：2019-04-09
    • 文件大小：16777216
    • 提供者：qq_41718518

  1. 高光谱解混数据集（Samson）

  2. 高光谱解混数据集（Samson），具有156个通道的Matlab 格式数据，原始数据有952x 952像素。每个像素记录在156个通道上，覆盖401nm 至889nm的波长。光谱分辨率高达3.13 nm。由于原始图像太大，这在计算成本方面非常昂贵，因此使用95×95像素的区域。它从原始图像中的第（252,332）像素开始。此数据不会被空白通道或严重噪声通道降级。具体而言，该图像中有三个目标，分别是“＃1土壤”，“＃2树”和“＃3水”。

  3. 所属分类：图像处理

    • 发布日期：2019-04-09
    • 文件大小：3145728
    • 提供者：qq_41718518

  1. 高光谱解混数据集（Japser Ridge ）

  2. 高光谱解混数据集（Japser Ridge），matlab的mat文件。原始数据有512 x 614 个像素。每个像素记录在范围从380nm到2500nm的224个通道中。光谱分辨率高达9.46nm。由于这个高光谱图像太复杂而无法得到基本事实，因此我们考虑100 x 100像素的子图像。第一像素从原始图像中的第（105,269）像素开始。在移除通道1--3,108-112,154-166和220-224后（由于密集的水蒸气和大气效应），我们保留了198个通道（这是HU分析的常见预处理）。

  3. 所属分类：图像处理

    • 发布日期：2019-04-09
    • 文件大小：2097152
    • 提供者：qq_41718518

  1. 高光谱解混数据集（Cuprite，矿区图）

  2. Cuprite（矿区图）是高光谱解混研究的最基准数据集，涵盖美国内华达州拉斯维加斯的Cuprite矿区，原始数据有224个波段，从370nm至2480nm。在移除有噪声的通道（1--2和221-224）和吸水通道（104-113和148-167）后，仍然有188个通道。250×190个像素的区域被认为存在14种矿物。由于类似矿物的变体之间存在细微差别，最终确定为12名成员，总结如下"#1 Alunite", "#2 Andradite", "#3 Buddingtonite", "#4 Dum

  3. 所属分类：图像处理

    • 发布日期：2019-04-09
    • 文件大小：12582912
    • 提供者：qq_41718518

  1. matlab开发-高光谱解混和去噪

  2. matlab开发-高光谱解混和去噪。高光谱混合噪声解混演示。

  3. 所属分类：其它

    • 发布日期：2019-08-23
    • 文件大小：7168
    • 提供者：weixin_38743737

  1. 使用可变端元进行高光谱图像的几何丰度估算

  2. 丰度估计是高光谱遥感数据定量分析的重要步骤。由于物理上的解释，总和合一和非负性约束通常强加于大量的材料上。本文提出了一种使用可变端元集对像素进行完全约束线性光谱解混的几何方法。首先，提出了一种改进的选择每个像素候选端成员集的方法，该方法适用于处理具有大量端成员的高光谱图像。为了从高光谱场景中存在的整个端成员中确定最佳的每个像素端成员集，然后执行迭代的部分约束几何解混合，其中子空间投影用于完全约束的最小二乘估计。通过与合成和实际高光谱数据上的基准分解算法进行比较，评估了所得分解算法的性能。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：712704
    • 提供者：weixin_38680492

  1. 基于约束多核NMF的非线性高光谱解混

  2. 基于约束多核NMF的非线性高光谱解混

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：621568
    • 提供者：weixin_38559203

  1. 基于约束多核NMF的非线性高光谱解混

  2. 基于约束多核NMF的非线性高光谱解混

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：265216
    • 提供者：weixin_38526650

  1. 高光谱解混的光谱空间鲁棒非负矩阵分解

  2. 高光谱解混的光谱空间鲁棒非负矩阵分解

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：786432
    • 提供者：weixin_38663595

  1. 基于聚类的高光谱非混合空间光谱预处理

  2. 近年来，许多基于光谱的端成员提取算法（EEA）用于高光谱解混（HU），其代价是忽略了空间上下文信息。 本文提出了一种融合HU的空间光谱信息的新型预处理模块，主要包括三个部分：1）基于光谱角分数的k-means算法用于图像均质区域的识别。 2）利用局部窗口检测异常像素； 3）结合空间和光谱信息的重构权重旨在修正异常像素以增强图像均匀性。 所提出算法的主要贡献是在提高端元提取精度的同时，提高了图像的均匀性，降低了计算复杂度。 通过使用实际的高光谱数据集获得的实验结果显示，与最新的空间预处理框架相比，

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：441344
    • 提供者：weixin_38653664

  1. 同时字典稀疏修剪和协作回归的高光谱图像分解

  2. 近年来，用于字典的稀疏回归（SR）方法用于高光谱解混已经在遥感领域引起了广泛的关注。 但是，在假设可以将高光谱场景中的每个像素视为光谱库中端成员的组合的情况下，大多数SR方法忽略了光谱库中实际光谱特征与其对应端成员之间的光谱特征失配。 为了克服这个问题，我们提出了一种联合优化解混模型，称为DSPCSR，它包括字典稀疏修剪和协作稀疏回归。和性能。 在综合和真实数据集上进行的实验表明，与几种最新算法相比，所提出的DSPCSR可以实现更好的性能。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：500736
    • 提供者：weixin_38683721

  1. 变化向量分析结合光谱解混的高光谱变化检测

  2. 变化向量分析结合光谱解混的高光谱变化检测

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：1048576
    • 提供者：weixin_38737565

  1. 高光谱解混的稀疏约束广义双线性模型

  2. 高光谱解混的稀疏约束广义双线性模型

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：1048576
    • 提供者：weixin_38605801

  1. 非凸稀疏低秩约束的高光谱解混方法

  2. 非凸稀疏低秩约束的高光谱解混方法

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：1048576
    • 提供者：weixin_38606300

  1.  一种有效的无监督高光谱图像解混方法

  2. 传统的非负矩阵分解方法应用在高光谱像元分解时，混合像元分解用到的初始值是随机产生的，会影响像元的解混效果。为了解决该问题，本文通过改进获得初始值的方法，提出了一种基于改进非负矩阵分解的高光谱图像解混方法。本方法不需要任何先验知识，只需要对输入数据集进行迭代计算得到合适的初始值，即可达到光谱解混的目的。仿真数据和真实数据的实验结果都证明了该算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：2097152
    • 提供者：weixin_38732912

  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

  1. 近似稀疏约束的多层非负矩阵分解高光谱解混

  2. 稀疏正则化函数的选取直接影响到稀疏非负矩阵分解高光谱解混的效果。目前，主要采用 L0.或 L1 范数作为稀疏度量。L0 稀疏性好，但求解困难；L1 求解方便，但稀疏性差。提出一种近似稀疏模.型，并将其引入到多层非负矩阵分解(AL0-MLNMF)的高光谱解混中，将观测矩阵进行多层次稀疏分.解，提高非负矩阵分解高光谱解混的精度，提升算法的收敛性。仿真数据和真实数据实验表明：该算.法能够避免陷入局部极值，提高非负矩阵分解高光谱解混性能，算法精度上比其他几种算法都有较大.的提升效果，RMSE 降低 0.

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：1048576
    • 提供者：weixin_38731145

  1. 基于空间同质性分析的改进的sunsal-tv高光谱解混算法

  2. 稀疏回归框架已被许多工作引入，以解决线性光谱解混问题，这是因为与像素相比，通常与光谱库或整个高光谱数据集中的端成员相比，像素由较少的端成员进行混合。 传统的稀疏分解技术着重于在不合并空间信息的情况下分析高光谱图像的光谱特性。 但是，空间信息的集成将有利于提高线性分解过程的性能。 一种通过可变分裂增强拉格朗日和总变化量的稀疏分解算法（SUnSAL-TV），在最终的分解目标函数中除了稀疏性引起的正则化器之外，还增加了总变化量空间正则化器。 总变化空间正则化有助于提高分数丰度的平滑度。 但是，图像中的

  3. 所属分类：其它

    • 发布日期：2021-03-27
    • 文件大小：700416
    • 提供者：weixin_38608055
« 12 »