网站首页 高光谱图像分类 第3页

• 

  卷积神经网络在高光谱图像分类中的应用综述-莱森光学

  目前，对于高光谱遥感图像分类任务，一种是采用传统的方法，例如利用光谱特征的分类方法和数据的统计特征的分类方法，包括常用的K近邻算法以及支持向量机（SupportVectorMachine，SVM）。但是，传统的方法一方面是没有考虑到...

  2024-11-14 btikc 技术文章 2 ℃ 0 评论
• 

  如何解决高光谱图像分类面临的挑战?-莱森光学

  高光谱图像的分类面临着维数问题、非线性结构问题等诸多挑战，面对这些挑战，我们有什么办法去解决吗？今天，小编给大家整理了以下几个方法：特征挖掘技术：能在一定程度上找到有效的特征集，缓解“维度灾难”现象；...

  2024-11-14 btikc 技术文章 2 ℃ 0 评论
• 

  一种基于多尺度自循环卷积网络的高光谱图像分类方法HyperLoopNet

  基于卷积神经网络(CNN)的高光谱图像(HSI)分类一直是遥感领域的研究热点，这是由于CNN提供的高级特征提取能够在多个阶段对特征进行有效编码。然而CNN的缺点是，为了获得优异的性能，它们需要更深入、更广泛的架构以及大量的训练数据，这往往是...

  2024-11-14 btikc 技术文章 2 ℃ 0 评论
• 

  对高光谱图像进行分类将面临怎样的挑战?-莱森光学

  高光谱图像可用于分类的特征比较多，既包括直接光谱向量，还可以计算光谱洗手指数，导数光谱，纹理特征，形状特征等派生特征。那么想对高光谱图像进行分类会面临什么挑战呢？1、维数灾难：在高光谱图像分类方面，精度会随着特征维数的增大而呈现先增后减的趋...

  2024-11-14 btikc 技术文章 3 ℃ 0 评论