高光谱端元提取算法PPI,matlab编写。
内有参数注释。
可供高光谱图像解混学习提供帮助。
高光谱端元提取算法PPI,matlab编写。
内有参数注释。
可供高光谱图像解混学习提供帮助
2024/5/18 8:56:08 963B matlab
1
使用SVM代码对AVIRIS_Indiana_16class高光谱数据集进行分类
2024/5/2 10:58:52 5.8MB 机器学习 SVM 高光谱
1
matlab实现用cnn高光谱图像分类,
2024/3/2 18:41:46 35.4MB cnn matlab 高光谱图像 图像分类
1
高光谱c++遥感影像数据处理光谱
2024/2/27 9:33:43 352KB 高光谱 c++ 遥感影像 数据处理
1
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、IndianPines、PaviaUniversity等。
2024/2/21 15:58:24 349.65MB 深度学习 高光谱遥感影像分类 数据集
1
高光谱成像的应用效果非常依赖于所获取的图像信噪比(SNR)。
在高空间分辨率下,帧速率高、信噪比低,由于光谱成像包含了两维空间-光谱信息,不能使用时间延迟积分(TDI)模式解决光能量弱的问题;目前多采用摆镜降低应用要求,但增加了体积和质量,获取的图像不连续,且运动部件降低了航天的可靠性。
基于此,将超高速电子倍增与成像光谱有机结合,构建了基于电子倍增的高分辨率高光谱成像链模型,综合考虑辐射源、地物光谱反射、大气辐射传输、光学系统成像、分光元件特性、探测器光谱响应和相机噪声等各个环节,可用于成像链路信噪比的完整分析。
采用LOWTRAN7软件进行大气辐射传输计算,对不同太阳高度角和地物反射率计算像面的照度,根据电子倍增电荷耦合器件(EMCCD)探测器的噪声模型,计算出不同工作条件下的SNR。
对SNR的分析和实验,选择适当的电子倍增增益,可使微弱光谱信号SNR提高6倍。
2024/2/10 13:49:08 10.84MB 探测器 高光谱成 信噪比 电子倍增
1
描述了高光谱数据和多光谱数据的波段组合差异,提取相同地区的相同地物,对比分析两种数据的光谱特征。
2024/2/4 2:47:20 5.92MB 高光谱
1
基于FuzzyMeansCluster算法的高光谱遥感图像聚类(matlab实现)
2023/12/17 19:04:41 2KB FuzzyMeans Cluster matlab
1
%Matlab读取envi图像img格式用Matlab编了一段小程序。
%试验:Matlab读取ENVI标准图像(IMG+Hdr),并计算相关系数。
2023/11/30 18:03:26 1KB 33
1
高光谱的端元提取总结,很好。
近年来,通过群智能算法求解组合优化或连续优化问题以实现高光谱图像混合像元分解方面取得了重要进展和显著成果.本文首先回顾了高光谱图像混合像元分解的研究背景和群智能算法的特点,然后梳理了光谱混合模型及对应的最优化模型,进而介绍了基于群智能算法的端元提取和丰度反演方法,最后通过2组实验比较了群智能算法和其他传统算法在端元提取和丰度反演方面的精度,对基于群智能算法的混合像元分解效果进行了评价.另外,本文也对群智能算法在高光谱图像信息提取中应用的优势和存在的问题进行了总结.
2023/11/27 18:06:48 9.66MB 高光谱
1
共 56 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡