智能算法在高光谱遥感数据处理中的应用-科普

二阶微分滤波器的主要目的是突出图像中的细节或者增强被模糊了的细节,而这种错误不是由操作造成的,就是受到特殊图像获取方法的固有影响。可以应用数学微分中的某些性质来实现图像的锐化或模糊效果。数学函数的微分可以用......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

图像融合来源于信息融合领域,它是信息融合领域的一个非常重要的组成部分,它可以把几个或者多个传感器上所获得的关于某个场景的信息(或图像)通过一定的方法进行综合,得到了一个关于这个场景新的解释,它能够解决以往单个图......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

矿物识别,即如何根据获取的遥感信息对地物目标的物理属性进行识别,是高光谱遥感技术研究的重要内容,也是高光谱最能发挥作用的领域。由于多光谱数据所能提供的信息量不能满足我们的需求,因而出现了能提供大量丰富信息的高......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

高光谱物谱建模就是对蚀变矿物含量与光谱吸收特征参数进行相关分析,建立蚀变矿物含量与光谱吸收特征深度、面积等参数之间的物谱关联模型,从而可以根据光谱数据预测矿物成分的含量。目前,常用的物谱关联建模技术主要是统......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

5.3.1　特征子集的概念高光谱数据几乎连续的地物波谱,使其具有其他遥感数据不可比拟的识别地物生物物理特性的潜力,但是,这种连续的光谱同时也不可避免地存在波段之间相关性强、数据冗余明显的问题,并在一定程度上制约着高......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

5.4.1　波段选择的概念与意义高光谱遥感是目前遥感技术的前沿,其光谱分辨率高达纳米(nm)数量级,具有波段多、光谱分辨率高、数据量庞大等特点,并在诸多领域得到应用。然而随之而来的问题是信息重叠度高、数据存储所需空间大......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

5.5.1　遥感图像分类的概念高光谱遥感图像的计算机分类是指通过模式识别理论,利用计算机将遥感图像自动分成若干地物类别的方法。遥感图像是通过亮度值或像素值的高低差异及空间变化来表示不同地物的差异的,如不同类型的植......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

基于实例的学习方法是数据挖掘中被广泛运用的一种方法,它分为学习过程和训练过程两个阶段。在学习阶段,基于实例的学习方法只是简单地把训练样例存储起来,每当到来一个新的查询实例时,它分析此新实例与以前存储的实例的关......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

K近邻是基于实例的学习方法中最基本的一种算法,它不同于eager学习算法,K近邻方法在训练阶段只是简单地把训练样例存储起来,把建模过程推迟到要预测新实例的工作阶段,因此K近邻是一种典型的lazy学习算法。在分类中,K近邻方法适......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用

对6.2节中的K近邻分类算法中预测公式(6.2.2)作简单的修改,就可以用于连续数值的目标函数预测。计算与待测样本最接近的k个样本得平均值作为其预测结果,其预测公式为(6.3.1)......查看详细>>

标签:智能算法在高光谱遥感数据处理中的应用