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. 高光谱遥感数据集Salinas

  2. Salinas数据集，用于高光谱遥感图像分类，非常常用。ke'yi

  3. 所属分类：算法与数据结构

    • 发布日期：2017-12-05
    • 文件大小：26mb
    • 提供者：strider20151

  1. Indian数据集

  2. 本数据集是用于高光谱图像分类使用的indian数据集，用于遥感方向的使用

  3. 所属分类：图像处理

    • 发布日期：2018-03-07
    • 文件大小：5mb
    • 提供者：theferryman

  1. 高光谱遥感图像数据集Pavia

  2. 深度学习高光谱遥感图像数据集，光谱波段数为102，图像像素1096*1096

  3. 所属分类：深度学习

    • 发布日期：2018-03-10
    • 文件大小：123mb
    • 提供者：qq_29592829

  1. 高光谱遥感图像数据集

  2. 常用的高光谱遥感图像数据集，包含Indians Pines、Botswana、KSC、PaviaU、Salinas及它们的ground truth矩阵。文件后缀为.mat

  3. 所属分类：机器学习

    • 发布日期：2018-04-14
    • 文件大小：194mb
    • 提供者：hsintao

  1. 带标签（groundtruth）的高光谱遥感数据集

  2. 高光谱图像数据集，包含Indian,Pavia。每类数据集里包含图像原始信息，以及相对应的ground truth。

  3. 所属分类：其它

    • 发布日期：2018-08-07
    • 文件大小：43mb
    • 提供者：weixin_41544134

  1. 高光谱遥感数据集Botswana

  2. The NASA EO-1 satellite acquired a sequence of data over the Okavango Delta, Botswana in 2001-2004. The Hyperion sensor on EO-1 acquires data at 30 m pixel resolution over a 7.7 km strip in 242 bands covering the 400-2500 nm portion of the spectrum

  3. 所属分类：数据库

    • 发布日期：2018-02-08
    • 文件大小：75mb
    • 提供者：mithri

  1. 高光谱遥感数据集 Cuprite

  2. This data sets can be retrieved from AVIRIS NASA site. Among the many datasets available, the .mat archive posted here corresponds to the f970619t01p02_r02_sc03.a.rfl reflectance file.

  3. 所属分类：数据库

    • 发布日期：2018-02-08
    • 文件大小：90mb
    • 提供者：mithri

  1. 高光谱遥感数据集Indian Pines

  2. 高光谱遥感数据集Indian Pines，包含测试集和训练集。

  3. 所属分类：机器学习

    • 发布日期：2018-10-23
    • 文件大小：11mb
    • 提供者：yaoxunji

  1. Salinas_ 高光谱遥感数据集

  2. 很实用的用于高光谱遥感图像分类Salinas数据集，欢迎下载

  3. 所属分类：机器学习

    • 发布日期：2019-04-01
    • 文件大小：26mb
    • 提供者：sinat_21431775

  1. Pavia高光谱遥感分类数据集

  2. 高光谱遥感分类数据集，PaviaUniversity。文件中有.mat格式的数据和ENVI原影像。如需要其他高光谱遥感分类数据集可与本人联系。

  3. 所属分类：图像处理

    • 发布日期：2020-05-07
    • 文件大小：73mb
    • 提供者：qq_37745892

  1. 基于SSAE深度学习特征表示的高光谱遥感图像分类方法_商宏涛.pdf

  2. 针对遥感图像中高光谱数据的分类问题，提出一种基于堆叠稀疏自动编码器（ＳＳＡＥ）深度学习特征表示的高光谱遥感 图 像 分 类 方 法；首 先，将光谱数据样本进行预处理和归一化；然 后，将 其 输 入 到ＳＳＡＥ中进行特征表示学习，并通过网格搜索来获得最优网络参数，以此获得有效的特征表示；最后通过支持向量机（ＳＶＭ）分类器对输入图像特征进行分类，最 终实 现 遥感图像中像素的分类；在两个标准数据集上的实验结果表明，该方法能够实现准确的高光谱地物分类。

  3. 所属分类：机器学习

    • 发布日期：2020-02-14
    • 文件大小：466kb
    • 提供者：qq_24887639

  1. 高光谱遥感数据集

  2. 高光谱图像数据集，包含Indian,Pavia。每类数据集里包含图像原始信息，以及相对应的ground truth

  3. 所属分类：深度学习

    • 发布日期：2019-03-17
    • 文件大小：43mb
    • 提供者：sinat_21431775

  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：696kb
    • 提供者：weixin_38680492

  1. 高光谱空间光谱特征融合的基于矩阵的判别子空间集合

  2. 空间光谱特征融合是公认的高光谱（HS）图像分类的有效方法。 先前的许多研究都致力于该主题。 但是，这些方法通常将空间光谱高维数据视为一维矢量，然后提取信息性特征进行分类。 在本文中，我们提出了一种新的HS图像分类方法。 具体来说，为每个像素设计基于矩阵的空间光谱特征表示，以捕获所有波段的局部空间上下文和光谱信息，从而可以很好地保留空间光谱的相关性。 然后，采用基于矩阵的判别分析方法，学习判别特征子空间进行分类。 为了进一步提高判别子空间的性能，使用了随机采样技术来产生用于最终HS图像分类的子空间

  3. 所属分类：其它

  1. 高光谱遥感数据集成分类算法

  2. 在实际应用中，在高光谱遥感图像的监督分类中很难获得足够数量的训练样本。 此外，训练样本可能无法代表整个空间的真实分布。 为了解决这些问题，提出了一种结合生成算法（高斯混合）和判别模型（支持集群机）的集成算法进行分类。 对反射光学系统成像光谱仪传感器收集的高光谱数据集进行的实验结果验证了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：206kb
    • 提供者：weixin_38709379

  1. 基于卷积神经网络的高光谱遥感地物多分类识别

  2. 在进行遥感图像多分类识别时, 针对使用传统方法遇到的分类模型特征提取困难、分类精度不理想、分类种类少等问题, 研究了卷积神经网络(CNN)模型在高光谱遥感地物多分类识别中的可行性及不同CNN 模型对高光谱遥感地物多分类的识别效果。从ISPRS(International Society for Photogrammetry and Remote Sensing)提供的Vaihingen及Google Earth中采集数据,制作了包含6类地物的数据集一。在此基础上增加10类地物制作数据集二, 再增

  3. 所属分类：其它

  1. 基于深度学习的高光谱图像空-谱联合特征提取

  2. 由于高光谱遥感数据具有波段多、特征非线性、空间相关等特点, 提出一种基于深度学习的空-谱联合(SSDL)特征提取算法来有效提取数据中的空-谱特征。该算法利用多层深度学习模型--堆栈自动编码机对高光谱数据进行逐层学习, 挖掘图像中的深层非线性特征, 然后再根据每个特征像元的空间近邻信息, 对样本深度特征和空间信息进行空-谱联合, 增加同类数据聚集性和非同类数据分散度, 提升后续分类性能。在帕维亚大学和萨利纳斯山谷高光谱数据集上进行地物分类实验: 在1%样本比例下, 地物总体分类精度达到了91.05

  3. 所属分类：其它

  1. 基于深度残差网络的高光谱遥感数据霾监测

  2. 霾监测是环境治理中的关键技术之一。目前地面观测站进行霾监测的耗费较大，基于多光谱遥感的霾识别精度较低。将深度学习用于高光谱遥感数据的霾监测，提出一种基于深度残差网络的高光谱霾监测方法，利用深度网络提取霾光谱曲线特征，再使用残差学习等方法降低网络训练难度，得到了霾监测模型。苏州地区Hyperion高光谱数据集上的实验表明，与其他遥感霾监测方法相比，所提方法的霾识别精度更高。

  3. 所属分类：其它

  1. 基于局部重构Fisher分析的高光谱遥感影像分类

  2. 局部几何结构Fisher分析通过数据的邻域和邻域的重构来表征高光谱数据的内在流形,可以提升高光谱图像的分类效果。但是该方法使用原始样本点与重构点一起构图,在低维空间上不能有效保持流形的整体结构。针对上述问题,提出了一种局部重构Fisher分析方法;该方法首先使用类内近邻样本重构原始样本,以保持流形的整体结构,然后利用重构点构造本征图和惩罚图。在低维空间中,通过减小类内样本间的距离,增大非同类样本的距离,提高了同类地物的紧凑性和不同类地物的离散性,获得了更好的鉴别特征,有效改善了高光谱图像的分类性

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：17mb
    • 提供者：weixin_38737283

  1. 高光谱遥感影像分类数据集.rar

  2. 高光谱遥感影像分类数据集，可用于高光谱遥感影像分类研究，尤其在深度学习中十分常用，包括Botswana、Indian Pines、Pavia University等。

  3. 所属分类：深度学习

    • 发布日期：2021-01-26
    • 文件大小：349mb
    • 提供者：JavaYoung123
« 12 3 »