卷积神经网络在高光谱图像分类中的应用综述.pdf

深度学习高光谱遥感图像数据集，光谱波段数为102，图像像素1096*1096

受空洞卷积在图像信息方面保持优秀性能的启发,为进一步提高分类精度,提出一种基于双通道空洞卷积神经网络(DCD-CNN)的高光谱图像分类框架。空洞卷积可扩展滤波器的感受野,有效地避免图像信息丢失,从而提高分类精度。在该框架中,分别采用含有空洞卷积的一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)提取高光谱图像的光谱特征和空间特征。再采用加权融合方法对提取的空间特征和光谱特征进行融合。最后将融合后的特征输入支持向量机进行最终分类。对两个常用的高光谱图像数据集进行实验并与现有的4种分类方法进行比较,结果表明,所提框架具有更好的分类性能。

RGB /多光谱的高光谱 这是B. Arad和O. Ben-Shahar在论文“ ”中描述的高光谱估计过程的MATLAB实现。 可以在Ben-Gurion大学下的“上找到其他详细信息。 如果您在工作中使用此代码，请引用“ Arad和Ben-Shahar，在2016年10月11日至14日于荷兰阿姆斯特丹举行的欧洲计算机视觉会议上，从自然RGB图像中稀疏地恢复高光谱信号” @inproceedings{arad_and_ben_shahar_2016_ECCV, title={Sparse Recovery of Hyperspectral Signal from Natural RGB Images}, author={Arad, Boaz and Ben-Shahar, Ohad}, booktitle={European Conference on Computer Vi

********************************** 重大更新通知********************************** 请在此处访问该程序的新的、改进的 GUI 版本： http://www.mathworks.com/matlabcentral/fileexchange/41464 ********************************** 重大更新通知********************************** 这是一个利用所包含的函数来计算 8 个图像指标（偏差、相关系数、DIV、熵、ERGAS、Q、RASE 和 RMSE）的程序。 该程序的目的是为用户快速、轻松和方便地生成结果（参见输出）。 最初，它的目的是在高光谱和多光谱卫星图像中进行指数分析。 它已在融合高光谱产品中使用和测试，用于光谱保真度的质量评估。 但是，估计它

PaviaU遥感数据，.mat文件，带ground truth数据，用于高光谱图像分类实验。 Pavia University 数据是由德国的机载反射光学光谱成像仪（Reflective Optics Spectrographic Imaging System，ROSIS-03）在 2003 年对意大利的帕维亚城所成的像的一部分高光谱数据。该光谱成像仪对 0.43-0.86μm 波长范围内的 115 个波段连续成像，所成图像的空间分辨率为 1.3m。其中 12 个波段由于受噪声影响被剔除，因此一般使用的是剩下 103 个光谱波段所成的图像

高光谱所需的常用数据：Salinas_corrected.mat 高光谱遥感常用数据集

nmf的matlab代码KbSNMF 基于峰度的平滑NMF用于高光谱分解 该软件包包含本文中介绍的算法的MATLAB代码以及所有相关数据和图形： EMMB Ekanayake，Bhathiya Rathnayake，GMRI Godaliyadda，HMVR Herath，MPB Ekanayake。 结合端元独立性的盲高光谱分解的约束非负矩阵分解。 arXiv预印本arXiv：2003.01041，2020。 如果您发现此MATLAB代码有帮助，请引用以上论文。 感谢您阅读我们的工作。 原始版本：提交给GitHub：13/03/2020

遥感图像，高光谱数据分类。非常好的资源，能够进行入门学习和交流。十分nice！，欢迎下载学习交流！！！

软件介绍: ViewSpecProsetup.exe安装包是一款用于对ASD地物高光谱数据的处理软件，将ASD光谱仪所配套电脑上的光谱数据文件复制到本机，运行ViewSpecPro软件，设定光谱数据所在目录。打开光谱数据选择若干条曲线即可显示光谱数据曲线。