搜索资源列表
LREIS
- 这是用idl语言开发的 遥感运用软件，它是基于ENVI平台下开发。主要的运用是高光谱的数据处理-This is the language used idl development of the use of remote sensing software, which is based on the development platform ENVI. The main use of hyperspectral data process
x_Hyperion_DN2Radiance
- 利用批处理形式将Hyperion高光谱遥感影像数据ＤＮ值转换成辐亮度。
HDF5dotNet
- 高光谱遥感图像数据格式HDF5格式读取器以及实例应用-Hyperspectral remote sensing image data format HDF5 format for readers, as well as examples of application of
mination
- 主分量分析的高光谱mination遥感数据噪声消除方法-Principal component analysis of hyperspectral remote sensing data noise elimination
FeatureExtraction-(1)
- 绿色植物具有明显的光谱反射特征,而这种特征与植被的发育、健康状况以及生长条件密切相关。传统的宽波段、多光谱遥感数据对于植被的研究仅限于一般性的红光吸收特征和近红外的反射特征[1-3],以及中红外的水吸收特征[4-6]。高光谱遥感通过对不同类型植被的生物物理化学成分含量的估算能获得较为理想的植被生态学信息,并在提取植被信息中得到大量的应用和研究[7-10]。高光谱遥感器的出现为改进现有的分类算法,进一步提高植被分类精度提供了可能。高光谱遥
ENVI_HJ1A1B_Tools_v3.0
- 国产环境星(HJ-1A/1B)多光谱及高光谱影像数据处理ENVI平台扩展模块-Extending module for HJ-1A/1B multispectral and hyperspectral images preprossing based on ENVI platform
Hypercube
- 高光谱遥感影像数据降维处理 包括线性降维和非线性降维处理-dimension reduction
DarionALToolbox
- 高光谱遥感影像数据降维处理 包括线性降维和非线性降维处理-Hyperspectral remote sensing image data to reduce the dimension of linear dimensionality reduction and nonlinear dimensionality reduction processing
Full2012
- 1. 本研究利用 PCA 对可见-近红外（450～1 000 nm）、可见光（450～780 nm）和近红外（780～1 000 nm）光谱区域的苹果高光谱图像数据进行降维，获得 PC 图像，通过对 PC 图像进行分析，确定可用于分割损伤和正常区域的有效光谱区域，对比分析几个光谱区域的 PCA 的效果。-but currently no practical system for detecting blood spots and d
Indian
- Indian高光谱数据，剔除无用波段后的改进数据，分类真值。-Indian hyperspectral data, remove the unwanted band after the improved data, classification true value.
bizhi
- 利用MATLAB程序编写的比值模型，用于遥感领域基于高光谱数据的水体浓度反演。(This is a ratio model based on MATLAB program. This model is used to retrieve water quality concentration from hyperspectral remote sensing data.)
thband
- 利用MATLAB程序编写的三波段和四波段模型，用于遥感领域基于高光谱数据的水体浓度反演。(This is a ratio and three-band model based on MATLAB program. This model is used to retrieve water concentration from hyperspectral remote sensing data.)
PCA
- 高光谱遥感与传统的单波段、多光谱数据相比，波段量大量增加、波段宽度极大降低，对地面目标的光谱特性的测度更加细致，然而波段的增多必然导致数据量急剧增加、计算量增大、信息冗余增加以及统计参数的估计偏差增大。因此，对高光谱数据进行降维处理具有重要意义。一方面，降维能够使图像远离噪声，提高图像数据质量；另一方面，能够去除图像中的无价值波段，减少波段数，从而降低计算量，提高运算效率。主成分分析是常用的高光谱数据降维处理方法之一。(Compared
display_single_channle
- 读取envi高光谱数据，哈哈哈哈哈哈哈哈哈哈哈(read envi data hhhhhhhhhhhhhhhhhhh)
cc_wavelet
- 对高光谱数据进行1-12层小波分解和重构，并与实测数据相对应进行相关性分析(The hyperspectral data is decomposed and reconstructed by 1-12 layer wavelet and correlated with the measured data)
PCA
- PCA_进行indian_pines数据集合分类。((use PCA to classify the indian_pines data with train and test data in the rar))
spectralmatrix_msc_sgolay
- 今日对光谱数据预处理中的MSC（多元散射校正）和SG（0阶、高阶）平滑进行了学习，参考书目是李志刚老师著的《光谱数据处理与定量分析技术》（原理介绍较为详细）并结合CSDN和联合开发网上下载的代码进行了简单的matlab编程。代码稍后上传，介绍详细，感兴趣的可以去看看。(Today, MSC (Multiple Scattering Correction) and SG (0th order, high order) smoothing
msc
- 可对高光谱数据进行多元散射校正处理，平滑光谱去噪(Multi-scatter correction processing for hyperspectral data, smooth spectral denoising)
无信息变量消除法提取特征
- UVE提取特征，数据为高光谱数据，感兴趣区域数据，最后一列为标签(Uve extracts features, hyperspectral data, region of interest data, and the last column is label)
GA提取特征
- GA提取特征，数据为高光谱数据，感兴趣区域数据，最后一列为标签(GA extracts features, hyperspectral data, region of interest data, and the last column is label)