高光谱异常探测算法RXD的matlab实现高光谱异常探测算法RXD的matlab实现。高光谱异常探测算法RXD的matlab实现高光谱异常探测算法RXD的matlab实现

这是论文《Classification of Hyperspectral Images by Gabor Filtering Based Deep Network, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(4), 1166-1178.》的代码，更多详情可查看在纸上找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载minFunc matlab工具箱和drtoolbox。 minFunc matlab 工具箱和 drtoolbox 分别位于http://www.di.ens.fr/~mschmidt/Software/minFunc.html和http://homepage.tudelft.nl/19j49/Matlab_Toolb

为实现对红枣品种的判别,利用高光谱技术并结合机器学习算法对金丝大枣、骏枣和滩枣这三个品种的新疆红枣进行研究。首先,分别利用多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导(1-Der)和Savitzky-Golay(SG)平滑等数据预处理方法对原始光谱进行预处理,研究了预处理方法对建模的影响;然后,利用光谱-理化值共生距离法(SPXY)将样本集划分为校正集和预测集,基于线性判别分析(LDA)、K-最近邻分类(KNN)和支持向量机(SVM)算法对预处理后的全波段光谱建立红枣品种鉴别模型,结果显示,在多种预处理方法中,1-Der的处理效果最好;然后,结合主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权采样(CARS)等特征提取方法对全波段光谱进行特征波段的提取,再基于特征波段建立红枣品种鉴别模型,结果发现,在几种特征提取方法中,基于CARS所提特征波段建立的模型可以获得最高的鉴别准确率;最后,以SVM模型为例对模型运行时间进行了比较,结果发现,基于特征波段所建模型的运行时间远短于基于全波段所建模型的运行时间。

关于数据集的注释： 使用一个简单的脚本将原始的.mat图像和基本事实转换为.txt文件。 数据目录包含这些.txt文件的示例（但不是全部）。 原始.mat文件可以从[Palis Vasco大学]（ ）获得。 使用注意事项： DBN_writeparams旨在替代DBN。 DBN仅由DBN_example使用。 DBN对象的参数应在DBN_writeparams和DBN_example中匹配（例如n_ins，hidden_​​layers_sizes，n_outs）。 去做： 在DBN_example中创建一个模块，用于加载训练后的权重和偏差。

矿物识别步骤 MNF变换 PPI计算 提取纯净像元 选取端元波谱 识别端元波谱 矿物分析 查看结果

高光谱遥感图像模糊c均值聚类算法的matlab实现

matlab代码保密 高质量高光谱重建使用频谱先验 一般信息 代号：DeepCASSI（ACM SIGGRAPH Asia 2017） 作家：Inchang Choi（），Daniel S. Jeon（），Giljoo Nam（），Min H. Kim（） 研究所：KAIST视觉计算实验室 有关信息，请参见以下文章： 使用光谱先验进行高质量的高光谱重建，Inchang Choi，Daniel S. Jeon，Giljoo Nam，Diego Gutierrez，Min H. Kim访问我们的项目，获取高光谱图像数据集。 如果您使用本网站中的任何免费材料，请引用我们的论文： Bibtex：@Article {DeepCASSI：SIGA：2017， 作者= {Inchang Choi和Daniel S. Jeon和Giljoo Nam 以及迭戈·古铁雷斯（Diego Gutierrez）和闵·金（Min H. Kim）}， title = {高质量的高光谱重建使用频谱先验}， journal = {ACM Transactions on Graphics（Proc。SIGGRAPH As

普渡大学的高光谱软件，高光谱的同行们一起来看看吧。会辅助envi

hsi matlab代码HSI检测 基于DM-BDL的高光谱目标检测的Matlab代码

matlab异常探测Weighted-RX 探测算法,用于高光谱影像的异常探测。内行应该清楚，直接调用函数即可。