高光谱遥感成像机理与成像光谱仪 中国科学院资料

随机非高斯或确定性信号中包含的信息远多于其自相关和幂所传达的信息光谱。 根据信号的高阶矩或累积量定义的高阶谱包含此附加信息。 高阶频谱分析 (HOSA) 工具箱为信号处理应用提供了全面的高阶频谱分析功能。 该工具箱是高级研究员和实践工程师以及新手的绝佳资源想要了解统计信号处理中的概念和算法的学生。 HOSA 工具箱是一个 M 文件的集合，这些文件实现了各种高级信号处理算法，用于估计交叉和自累积量（包括相关性）、光谱和近谱、双谱和双相干，以及时频计算分布。 基于这些，实现了参数和非参数盲系统识别、时延估计、谐波检索、相位耦合、到达方向估计、Volterra（非线性）模型的参数估计和自适应线性预测的算法。 还包括用于测试时间序列的高斯性和线性度的算法。 工具箱中包含完整的教程和演示集。

Sentinel-2工具箱 轻松处理哨兵2图像。 如果您知道如何下载Sentinel-2多光谱图像（或电光），但又不知道如何在Python中使用它们，那么这里已为您实现了所有这些。 内容 功能 功能说明 使用示范 功能： load_bands（） 轮廓（） outline2poly（） ndvi_index（） rvi_index（） savi_index（） evi_index（） rgb_img（） 用法演示： images = load_bands('F:\\S2_billeder\\..\\IMG_DATA',bands=['B03','B04','B05','B01']) 此功能会将您选择的乐队加载到python中。 您可以全部加载它们，但建议仅加载以后分析所需的波段，因为它们占用大量内存（即计算简单的NDVI索引）。 contours, contours_t

以Landsat8 OLI卫星遥感影像为数据源，以大伙房水库为研究区，采用Brovery融合法、NNDiffuse Pan Sharpening融合法和Gram-Schmidt融合法对比研究了多光谱和全色数据的融合问题。经过定性和定量分析发现，Gram-Schmidt融合法和NN融合法拥有更丰富的光谱信息，且光谱保真度最优的是Gram-Schmidt融合法。针对Gram-Schmidt融合法，选取了水体边界线处的影像像元进行光谱分析，研究结果发现，融合后的水体边界线呈现得更为清晰，有助于细化水体提取边界。

数据融合matlab代码基于卷积自动编码器的多光谱图像融合 概述 该存储库包含运行基于深度学习的全色锐化方法以在遥感应用中融合全色和多光谱图像所必需的代码。 有关该算法的详细信息，请参见我们的论文。 用法：泛锐化 基于卷积自动编码器的多光谱图像融合是基于卷积自动编码器体系结构的一种基于深度学习的多光谱图像融合新方法。 有关更多信息，请参见以下文章： A. Azarang，HE Manoochehri，N。Kehtarnavaz，基于卷积自动编码器的多光谱图像融合，IEEE Access。 怎么跑 首先，您需要使用Data_Generation.m来准备要在我们的锐化框架中使用的数据。 我们仅使用4波段多光谱（MS）数据进行研究。 （B，G，R，NIR频段） Add path of your data 该路径应包含MS和PAN​​colour（PAN）数据。 另外，它可以是.mat文件（MAT文件）。 Importing the MS and PAN data 运行Data_Generation.m之后，将3个文件保存到该目录： Input.m // it is used to serv

本专题的目的是向用户展示如何使用ENVI先进的高光谱工具对多光谱数据进行分析。要更好地理解高光谱处理的概念及其工具，请参见ENVI高光谱辅导指南。

基于实现多光谱图像的多标签场景分类为目的，采用卷积神经网络的方法，通过计算数据集中所有样本标签的共现矩阵，利用共现矩阵为每个标签分配不同的权重，提出了一种新的计算损失函数的方法。所设计的卷积神经网络能够充分利用除了红绿蓝三通道之外的光谱信息，同时也能够利用已有的预训练的卷积神经网络权重进行参数的初始化，使得网络能够快速收敛。所提出的算法在Planet Amazon数据集上取得了最高的F值，从而得出了该算法具有高准确率和高可行性的结论。

附件提供了基于MODIS土地利用覆被多时相多光谱数据开展决策树分类的完整的IDL源代码、案例数据及数据处理中的过程数据。分类结果包括：水域、建设用地、园地、林地、一年两熟耕地、一年一熟耕地、其他土地和无数据区域。非常适合于需要用MODIS数据进行信息提取的同行的参考。

优胜 它是什么？ HySure是一种将高光谱遥感影像与多光谱或全色影像融合的算法。 这组MATLAB文件实现了以下方法中描述的方法 [1] M.Simões，J。Bioucas-Dias，L。Almeida和J. Chanussot，“高光谱图像超分辨率：保留边缘的凸公式”，IEEE国际。 Conf。 图像处理，巴黎，2014年。 [2] M.Simões，J。Bioucas-Dias，L。Almeida和J. Chanussot，“通过基于子空间的正则化实现高光谱图像超分辨率的凸公式”，IEEE Trans。 Geosci。 遥感，卷。 53号2015年6月，第3373-88页，第6页。 有关复制条件，请参见文件LICENSE。 请向报告任何建议或更正 发布日期 2015年2月18日 在哪里可以找到它？ 如何使用它？ 有三个文件夹，其中包含： 'demos': MATLA

多光谱遥感影像特征提取是保证图像分类结果精度的关键,文中介绍了多光谱遥感影像特征提取的两种主要方法。通过实验证明:KPCA较PCA具有更好的数据压缩和降维效果,影像特征提取效果优势明显。