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．
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
1
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952x952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3.13nm。
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”。
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3.13nm。
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”。
2023/10/29 12:43:07
3.42MB
1
高光谱图像和多光谱图像的融合，是关于《AConvexFormulationforHyperspectralImageSuperresolutionviaSubspace-BasedRegularization》中的程序，可以直接运行
2023/10/18 21:48:43
46.68MB
1
Landsat8卫星数据的光谱响应函数，excel版本，可以将高光谱数据转换为Landsat8卫星对应的多光谱数据，在实际应用中有很大的用处，不过需要提醒的是文件是一个波段一个sheet，
2023/8/19 5:29:53
200KB
1
“bad_pixel_list_esri.txt”中有些波段的坏带没有，而且77-224的256号都重复了，参考**谭炳香《EO-1Hyperion高光谱数据的预处理》**后，更完善的
2023/7/7 15:21:45
2KB
1
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