二階微分濾波器的主要目的是突出圖像中的細節或者增強被模糊了的細節,而這種錯誤不是由操作造成的,就是受到特殊圖像獲取方法的固有影響?？梢詰脭祵W微分中的某些性質來實現圖像的銳化或模糊效果。數學函數的微分可以用...[繼續閱讀]

    圖像融合來源于信息融合領域,它是信息融合領域的一個非常重要的組成部分,它可以把幾個或者多個傳感器上所獲得的關于某個場景的信息(或圖像)通過一定的方法進行綜合,得到了一個關于這個場景新的解釋,它能夠解決以往單個圖...[繼續閱讀]

    礦物識別,即如何根據獲取的遙感信息對地物目標的物理屬性進行識別,是高光譜遙感技術研究的重要內容,也是高光譜最能發揮作用的領域。由于多光譜數據所能提供的信息量不能滿足我們的需求,因而出現了能提供大量豐富信息的高...[繼續閱讀]

    高光譜物譜建模就是對蝕變礦物含量與光譜吸收特征參數進行相關分析,建立蝕變礦物含量與光譜吸收特征深度、面積等參數之間的物譜關聯模型,從而可以根據光譜數據預測礦物成分的含量。目前,常用的物譜關聯建模技術主要是統...[繼續閱讀]

    5.3.1　特征子集的概念高光譜數據幾乎連續的地物波譜,使其具有其他遙感數據不可比擬的識別地物生物物理特性的潛力,但是,這種連續的光譜同時也不可避免地存在波段之間相關性強、數據冗余明顯的問題,并在一定程度上制約著高...[繼續閱讀]

    5.4.1　波段選擇的概念與意義高光譜遙感是目前遙感技術的前沿,其光譜分辨率高達納米(nm)數量級,具有波段多、光譜分辨率高、數據量龐大等特點,并在諸多領域得到應用。然而隨之而來的問題是信息重疊度高、數據存儲所需空間大...[繼續閱讀]

    5.5.1　遙感圖像分類的概念高光譜遙感圖像的計算機分類是指通過模式識別理論,利用計算機將遙感圖像自動分成若干地物類別的方法。遙感圖像是通過亮度值或像素值的高低差異及空間變化來表示不同地物的差異的,如不同類型的植...[繼續閱讀]

    基于實例的學習方法是數據挖掘中被廣泛運用的一種方法,它分為學習過程和訓練過程兩個階段。在學習階段,基于實例的學習方法只是簡單地把訓練樣例存儲起來,每當到來一個新的查詢實例時,它分析此新實例與以前存儲的實例的關...[繼續閱讀]

    K近鄰是基于實例的學習方法中最基本的一種算法,它不同于eager學習算法,K近鄰方法在訓練階段只是簡單地把訓練樣例存儲起來,把建模過程推遲到要預測新實例的工作階段,因此K近鄰是一種典型的lazy學習算法。在分類中,K近鄰方法適...[繼續閱讀]

    對6.2節中的K近鄰分類算法中預測公式(6.2.2)作簡單的修改,就可以用于連續數值的目標函數預測。計算與待測樣本最接近的k個樣本得平均值作為其預測結果,其預測公式為(6.3.1)...[繼續閱讀]