matlab灰色关联度代码印度硬币面额识别 MATLAB中用于识别印度硬币面额的程序 方法 图像采集。 将RGB转换为灰色。 应用高斯滤波器。 应用Canny Edge Detection。 将相关系数因子与数据集结合起来。 运行命令 在MATLAB中打开代码。 运行代码。 选择要输入的图像。

Indian_pines_classification 运行环境 Anaconda 3.6.4 python=3.6.4 Keras=2.1.5 TensorFlow=1.3.0 作为keras后端 numpy=1.14.2 notebook=5.4.1 ipython=6.3.1 spectral=0.19 代码结构 dataset.ipynb 利用spectral工具包读取数据集,然后对数据集进行预处理,包括进行训练测试集分割 / 序列化和PCA变换,并将其以npy的格式保存到文件中.处理后的数据集保存在predata文件夹中. train.ipynb 利用keras构建卷积神经网络模型,读取与处理的数据集进行训练. 其中训练过程,使用随机梯度下降法SGD作为优化算法,使用多分类的对数损失函数categorical_crossentropy作为损失函数. 使用ReduceLROnPla

像素级别分类.ipynb

indian_pines数据文件，前n-1列为原始数据经过标准化后的数据，最后一列标签label数据

Indian pines高光谱数据集

遥感图像的数据集，里面有Indian_pines数据集、Pavia数据集 和 PaviaU数据集，数据集的格式为mat

本次数据集是用于高光谱图像分类使用的indian影像数据集，该图像数据集是采用可见光与红外机载式成像光谱仪器（AVIRIS）获取的来自于印第安纳州西北部Indian Pines农业试验场的高光谱图像。用于遥感方向的研究使用。

Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明，Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明

Indian pines印第安农场高光谱数据集，波段数200，数据大小145*145*200。

内有常用的高光谱图像（HSI）数据集，有常用的Indian,Pavia。每类数据集里包含图像原始信息，以及相对应的地面真实数据的类别标签。因文件大小限制，只能传这两个数据集，还有Salinas等数据集，大家需要的话可留言。