像素级别分类.ipynb

SSPSR-Pytorch 论文： : （IEEE Xplore） （arXiv） 学习空间光谱先验以实现超光谱影像的超分辨率 在本文中，我们引入了空间光谱先验网络（SSPN），以充分利用空间信息和高光谱数据的光谱之间的相关性。 考虑到高光谱训练样本稀少且高光谱图像数据的光谱维数很高，因此训练稳定有效的深度网络并非易事。 因此，提出了一种组卷积（具有共享的网络参数）和渐进式上采样框架。 这不仅减轻了由于高光谱数据的高维而导致的特征提取的困难，而且使训练过程更加稳定。 为了利用空间和光谱先验，我们设计了一个空间光谱块（SSB），它由一个空间残差模块和一个光谱注意残差模块组成。 网络架构 拟议的SSPSR网络的整体网络架构 空间光谱块（SSB）的网络架构 结果 筑西数据集 Chikusei数据集上不同方法的平均定量比较。 帕维亚数据集 Pavia Center数据集上不同方法的平均

光谱特征匹配分类方法 1. 二值编码匹配 一种简单的编码方法： 每个像元各波段对应的光谱值用1比特码长表示，像元光谱变为一个与波段数长度相同的编码序列。 编码完成后，可以采用最小距离算法来进行匹配识别。 特点：该法有助于提高图像光谱数据的分析、处理效率，但编码过程中会失去很多光谱信息，因此只适用于粗略的分类和识别。

讲述高光谱图像的分类方法，特征，判据、准则，算法等等

【项目代码】利用MATLAB对高高光谱图像数据进行分析，程序很全面，对做高光谱的同志很有帮助哦.rar

基于稀疏表示的高光谱图像分类omp算法demo

高光谱资料高光谱资料高光谱资料高光谱资料高光谱资料高光谱资料

 与传统多光谱遥感图像相比, 高光谱图像是在一定波段范围内窄波段成像的, 提供了丰富的光谱信息, 拓展了遥感技术的应用范围, 但同时存在数据含量大、波段间相关性高等问题, 在进行处理时需要对高光谱图像进行降维。通过分析现有高光谱波段选择方法, 本文提出了一种基于信息论准则的高光谱波段选择方法, 结合波段信息熵与波段间的相关性, 采用粒子群优化算法(PSO) 进行波段优选, 克服了采用单一使用信息量为适应度的片面性。最后使用AVIRIS 图像对提出的算法进行试验, 并利用支持向量机分类方法进行分类验证, 总体分类精度达到91.0%。

原创高光谱图像处理-xd.doc 附件里介绍了高光谱的基本处理，这是我的一个课设的部分内容。希望对开始接触高光谱得人有用 高光谱数据没有上传，想要的话请留下邮件！大概25兆。

高光谱图像盲分解的矩阵矢量非负张量分解