高光谱分类knn matlab代码FNGBS 这是用于高光谱波段选择的快速邻域分组方法的实现。 数据集 四个公共数据集，即 、 、 、 和 ，被用来验证所提出的 FNGBS 的有效性。 要求 MATLAB、libsvm、cruve拟合工具 执行 关于 FNGBS 算法，要运行代码，请执行 'main.m'。 对于获得的推荐频段，我们需要进行'main_recomBand.m'。 结果 为了定性地测量所提出的 FNGBS，KNN 和 SVM 分类器被用来验证算法的有效性。 推荐频段比较： 分类性能比较： 计算时间比较 数据集 E-FDPC 瓦卢迪 SNNC 到F FNGBS (1%) FNGBS (100%) 印度松树（6 段） 0.121 7.430 0.4411 0.4165 0.2542 0.2995 博茨瓦纳 (8 乐队) 0.661 99.281 3.738 1.843 0.892 3.442 帕维亚大学（13个乐队） 0.282 27.930 1.201 0.925 0.336 1.421 萨利纳斯 (6 乐队) 0.381 40.382 1.61 1.276 0.465 1

针对高光谱图像和高空间分辨率图像配准过程中，各波段之间差异较大难以选择高精度配准波段的问题，提出一种基于Cram′er-Rao下限(CRLB)理论的高光谱图像高精度匹配波段选择算法。利用波段选择的方法选出高光谱图像中若干信息量大、相关性小的波段；将其分别与高空间分辨率图像做配准，并计算配准结果相应的CRLB；根据CRLB选择高精度配准波段。通过比较配准后的CRLB和均方根误差，验证CRLB具有较好配准质量评价性能。通过CRLB与其他方法的选择波段配准结果比较可知，本文算法选择的波段配准精度较高。上述波段为高光谱图像和高空间分辨率图像的配准提供更好的数据。

 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%。

高光谱图像假彩色合成 高光谱图像波段选择 本科毕业设计论文 校级优秀毕业论文 附代码 算法类

利用GDAL、OPENCV，GA对遥感图像三波段组合进行检索，找到最有的组合。

自适应波段选择 ABS算法，在计算高光谱的波段选择中用到的算法