已閱讀1頁，還剩60頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、高光譜圖像分類為地質(zhì)勘探、環(huán)境監(jiān)測、軍事偵察等提供了強(qiáng)有力的支持?，F(xiàn)有的K-均值(K-MEANS)算法和迭代自組數(shù)據(jù)分析算法(ISODATA)，已應(yīng)用于多種圖像處理軟件。但它們只考慮到光譜信息而忽略了空間信息，并且需要預(yù)先設(shè)定類別數(shù)目。有鑒于此，本文研究了一種基于Gauss分布的自適應(yīng)閾值高光譜圖像分類方法。
該方法通過對傳統(tǒng)的閾值選取方法的分析，針對傳統(tǒng)閾值法依賴于一維直方圖，而且需要手動設(shè)定閾值的問題，提出了一種基于Gau
2、ss分布的自適應(yīng)閾值選擇方法，以Gauss分布建模，利用多重Gauss分布疊加擬合高光譜圖像的光譜角直方圖，根據(jù)擬合曲線的峰谷特性，分析峰區(qū)的截斷數(shù)據(jù)，從而實現(xiàn)了圖像分類光譜角閾值的自適應(yīng)確定;針對相鄰像元具有更高相似性可能，本方法建立了一種基于最小關(guān)聯(lián)窗口的降維模型，將高光譜圖像的光譜信息和空間信息相結(jié)合，以光譜角小于自適應(yīng)閾值作為圖像中像元的相似條件，實現(xiàn)了高光譜圖像的非監(jiān)督分類。
仿真實驗及目標(biāo)識別應(yīng)用表明，本文分類方法
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于域自適應(yīng)學(xué)習(xí)的高光譜圖像分類.pdf
- 基于深度自適應(yīng)神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類方法研究.pdf
- 基于自適應(yīng)譜段重組的高光譜圖像壓縮方法研究.pdf
- 基于自適應(yīng)閾值的小波圖像降噪.pdf
- 基于分塊的自適應(yīng)閾值小波圖像編碼.pdf
- 基于多閾值的自適應(yīng)SAR圖像分割算法研究.pdf
- 基于圖像融合的高光譜圖像分類.pdf
- 基于圖像融合的高光譜遙感圖像分類研究.pdf
- 基于高光譜圖像的雜草分類研究.pdf
- 基于卡方分布的高光譜圖像目標(biāo)檢測和分類.pdf
- 基于分類精度預(yù)測的高光譜圖像分類研究.pdf
- 基于小波分析的自適應(yīng)多閾值圖像分割研究.pdf
- 基于提升小波的MR圖像自適應(yīng)閾值去噪研究.pdf
- 高光譜圖像分類研究.pdf
- 基于邊緣增強(qiáng)的自適應(yīng)閾值圖像去噪.pdf
- 基于遷移學(xué)習(xí)的高光譜圖像分類.pdf
- 基于集成學(xué)習(xí)的高光譜圖像分類.pdf
- 基于遷移學(xué)習(xí)的高光譜圖像分類
- 基于LSTSVM的高光譜圖像分類方法研究.pdf
- 基于高斯過程的高光譜圖像分類研究.pdf
評論
0/150
提交評論