高光谱图像分类相关论文
近年来,高光谱图像处理在遥感领域占据着越来越重要的位置,高光谱图像分类作为其中的重要一环,更是具有举足轻重的地位。高光谱图......
在高光谱图像分类中,原始的图卷积网络作用在数据量较大的数据集上时,会出现内存开销大、时间成本高的问题;而且单一的图卷积网络模型......
基于超像素分割的图像处理方法近年来被广泛应用于高光谱遥感图像(hyperspectral image,HSI)分类过程中,但是其单一尺度下无法充分提......
高光谱图像包含了丰富的地物光谱信息,相比于其他遥感影像,其对地物的精细分析能力有了显著提高。植被是地物环境背景中的重要组成......
作为细分光谱成像数据,高光谱遥感图像蕴含丰富的辐射和光谱信息,高光谱图像分类与异常检测是高光谱数据处理中的核心任务,在环境......
近年来,由于高光谱图像包含丰富的空间和光谱信息,其处理和分析得到了广泛关注,包括分类、解混、变化检测和目标检测等。随着深度......
高光谱图像光谱数众多,光谱分辨率高,蕴含丰富的信息,适用于地质勘测等领域。针对高光谱图像分类,研究者们提出了一系列基于深度学......
高光谱图像分类是遥感图像解译的热门研究课题之一,在众多军事和民用领域发挥着重要作用。高光谱图像的高维性、光谱变异性以及缺......
高光谱图像的分类是高光谱遥感技术的一项重要内容,在军事和民用等领域都有着重要的应用。然而,由于高光谱图像的高维特征,波段间......
高光谱图像具有图谱合一、光谱分辨率高、波段数多等特点,被广泛应用于矿物探测、海洋检测、植被覆盖、精细农业等领域。然而,高光......
高光谱遥感图像(Hyperspectral Image,HSI)中的对地物分类问题是高光谱遥感图像处理领域的重要课题之一。在高光谱图像分类问题中,训......
将卷积神经网络应用在高光谱图像分类中,提出了一种基于训练集损失的训练策略.这种策略选取固定训练周期后半段训练集损失最小时的......
针对传统机器学习算法对高光谱数据建模步骤繁琐、常规的卷积神经网络在高光谱图像上细节表现力不强等问题,设计一种基于多尺度特......
高光谱图像包含丰富的图像与光谱信息,是典型的高维数据。高光谱图像分类是特征提取与地物解译的重要内容。研究人员可以通过分类......
对于核磁共振图像(MRI)、高光谱图像(HSI)和视频序列这样的三维图像,卷积神经网络(CNN)分类时不得不依赖更加复杂的网络结构,且精度提升......
近几年,高光谱成像技术的迅速发展使得高光谱影像分类技术逐渐成为该领域的热门研究方向之一。高光谱影像不仅具有精细的光谱特征,......
高光谱图像分类是高光谱图像研究的一个重要分支。已经有很多研究人员提出了高精度的高光谱分类网络。但是这些网络需要占用相当多......
高光谱图像分类是高光谱图像分析中的一个重要研究领域。在考虑高光谱图像的光谱信息和空间信息的基础上,许多优秀的算法被提出应......
近年来公共卫生事件频发,食品安全问题日益受到人们的重视,质检与溯源成为关键环节。作为主食的大米,其品质检测及产地溯源至关重......
计算机视觉中一个极其重要的研究领域是图像分类,它是人脸识别、图像检索等其他高级视觉任务的基础。近年来图像分类中一个比较火......
近年来,深度学习凭借其特有的优势,在计算机视觉等多个领域被广泛关注。本文概述了机器学习、深度学习及其相关算法,分析了经典的......
针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于......
高光谱图像分类旨在将高光谱图像中的所有像元分配至一组特定的类别中去,是高光谱图像处理领域最活跃的研究课题之一。同普通自然......
高光谱图像具有丰富的光谱信息和空间信息,广泛应用于军事、农业、地质勘测等领域。虽然高光谱图像含有丰富的可用于分类的信息,但......
现有的三维卷积神经网络(Three-dimensional convolutional neural network, 3D-CNN)模型常有参数过多和特征提取不全面的情况,并且对......
针对由于高光谱图像存在数据量大、数据相关性强、图谱合一等特点导致高光谱图像分类难度较大的问题,构建一种基于多分类器融合的......
高光谱图像分类是遥感图像处理任务中最重要的研究项目之一。但是由于高光谱图像本身维数较高且冗余较大,并且高光谱数据集本身存......
随着图深度学习强大的特征提取能力被不断发掘,越来越多的研究者将目光投入到了这个领域。图是一种非结构化数据,它能更好地描述这......
随着遥感技术的快速发展,由于高光谱图像包含数百个光谱,拥有丰富的波段信息,已被广泛应用于许多领域。近40年来,基于像素的地物分......
近年来,随着高光谱成像技术和理论研究的不断发展,高光谱遥感已广泛应用于人类生产生活。高光谱图像分类作为高光谱遥感领域的一项......
针对高光谱图像分类已标记样本稀缺的问题,研究如何高效利用多视图选取更高质量的未标记样本。首先采用不同方向、尺度的3D-Gabor滤......
图像分类是高光谱遥感信息提取领域一个非常活跃的研究方向,获得高精度分类结果的关键是要解决数据的高维度和有限的训练样本等问题......
为了去除高光谱图像多视图主动学习分类中的所选样本的冗余,降低人工标记成本,本文提出了两种用于多视图主动学习分类中的多样性样......
为了解决基于深度学习的高光谱图像分类方法对于小样本数据分类精度低的问题,提出了一种基于多尺度残差网络的分类模型。该模型通......
为了提取更具有判决力的高光谱图像特征,并防止网络因加深导致退化,在新维度残差网络(Res2Net)和压缩激活网络(squeeze and excita......
深度卷积神经网络能充分利用特征间的内在联系,提高高光谱影像的可分性,近年来受到了广泛关注。但是,训练深度网络模型对大量标记......
高光谱图像含有数百个波段,包含丰富的光谱信息,因此被广泛应用于地物分类中,但仍存在着维数灾难的问题。高光谱图像中同时也含有......
针对高光谱图像分类时光谱信息和空间信息利用不充分、分类精度低的情况,提出一种结合空间预处理的联合稀疏表示分类方法。一方面......
近年来高光谱遥感技术迅速发展,高光谱图像分类是遥感领域中的热点研究方向。传统的光谱-空间分类框架,将光谱特征提取与空间特征......
传统卷积神经网络模型在高光谱图像分类生成特征图的空间维度中存在大量的空间特征信息冗余,而且把高光谱图像单个像元上的光谱带......
针对高光谱图像分类任务中的Hughes现象及噪声问题,提出了联合波段聚类和改进递归滤波的高光谱图像分类方法。首先,利用相对熵对高......
针对复杂背景像元影响高光谱分类精度的问题,将目标检测方法引入地物分类研究,提出了一种基于谱空特征迭代的高光谱图像分类方法,......
高光谱图像包含光谱和空间信息,这增加了其在分类与识别方面的难度。特征学习作为高光谱图像分类技术之一,能较好地提取图像中包含......
高光谱成像实现了光谱维度上的细致观测,光谱分辨率得到了很大提高,这就为地物辨别提供了更丰富的分辨信息。然而,对地物分类而言,更高......
高光谱遥感作为一种新型遥感技术在军用和民用的多个领域中发挥着重要的作用。高光谱数据具有波段数目众多、各波段相关性强、运算......
学位
高光谱图像分类是遥感技术的一个经典难题,是公认的一个具有挑战性的研究领域。尽管人们在高光谱图像分类方面已经取得了大量的研究......
地物目标分类技术是高光谱遥感图像处理的一个重要分支,随着社会的快速发展,人们对分类精度和分类效率的要求也日益提高。高光谱图......