二階微分濾波器的主要目的是突出圖像中的細(xì)節(jié)或者增強(qiáng)被模糊了的細(xì)節(jié),而這種錯(cuò)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?yīng)用數(shù)學(xué)微分中的某些性質(zhì)來(lái)實(shí)現(xiàn)圖像的銳化或模糊效果。數(shù)學(xué)函數(shù)的微分可以用...[繼續(xù)閱讀]

    圖像融合來(lái)源于信息融合領(lǐng)域,它是信息融合領(lǐng)域的一個(gè)非常重要的組成部分,它可以把幾個(gè)或者多個(gè)傳感器上所獲得的關(guān)于某個(gè)場(chǎng)景的信息(或圖像)通過(guò)一定的方法進(jìn)行綜合,得到了一個(gè)關(guān)于這個(gè)場(chǎng)景新的解釋,它能夠解決以往單個(gè)圖...[繼續(xù)閱讀]

    礦物識(shí)別,即如何根據(jù)獲取的遙感信息對(duì)地物目標(biāo)的物理屬性進(jìn)行識(shí)別,是高光譜遙感技術(shù)研究的重要內(nèi)容,也是高光譜最能發(fā)揮作用的領(lǐng)域。由于多光譜數(shù)據(jù)所能提供的信息量不能滿足我們的需求,因而出現(xiàn)了能提供大量豐富信息的高...[繼續(xù)閱讀]

    高光譜物譜建模就是對(duì)蝕變礦物含量與光譜吸收特征參數(shù)進(jìn)行相關(guān)分析,建立蝕變礦物含量與光譜吸收特征深度、面積等參數(shù)之間的物譜關(guān)聯(lián)模型,從而可以根據(jù)光譜數(shù)據(jù)預(yù)測(cè)礦物成分的含量。目前,常用的物譜關(guān)聯(lián)建模技術(shù)主要是統(tǒng)...[繼續(xù)閱讀]

    5.3.1　特征子集的概念高光譜數(shù)據(jù)幾乎連續(xù)的地物波譜,使其具有其他遙感數(shù)據(jù)不可比擬的識(shí)別地物生物物理特性的潛力,但是,這種連續(xù)的光譜同時(shí)也不可避免地存在波段之間相關(guān)性強(qiáng)、數(shù)據(jù)冗余明顯的問(wèn)題,并在一定程度上制約著高...[繼續(xù)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(shù)的前沿,其光譜分辨率高達(dá)納米(nm)數(shù)量級(jí),具有波段多、光譜分辨率高、數(shù)據(jù)量龐大等特點(diǎn),并在諸多領(lǐng)域得到應(yīng)用。然而隨之而來(lái)的問(wèn)題是信息重疊度高、數(shù)據(jù)存儲(chǔ)所需空間大...[繼續(xù)閱讀]

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

    基于實(shí)例的學(xué)習(xí)方法是數(shù)據(jù)挖掘中被廣泛運(yùn)用的一種方法,它分為學(xué)習(xí)過(guò)程和訓(xùn)練過(guò)程兩個(gè)階段。在學(xué)習(xí)階段,基于實(shí)例的學(xué)習(xí)方法只是簡(jiǎn)單地把訓(xùn)練樣例存儲(chǔ)起來(lái),每當(dāng)?shù)絹?lái)一個(gè)新的查詢實(shí)例時(shí),它分析此新實(shí)例與以前存儲(chǔ)的實(shí)例的關(guān)...[繼續(xù)閱讀]

    K近鄰是基于實(shí)例的學(xué)習(xí)方法中最基本的一種算法,它不同于eager學(xué)習(xí)算法,K近鄰方法在訓(xùn)練階段只是簡(jiǎn)單地把訓(xùn)練樣例存儲(chǔ)起來(lái),把建模過(guò)程推遲到要預(yù)測(cè)新實(shí)例的工作階段,因此K近鄰是一種典型的lazy學(xué)習(xí)算法。在分類中,K近鄰方法適...[繼續(xù)閱讀]

    對(duì)6.2節(jié)中的K近鄰分類算法中預(yù)測(cè)公式(6.2.2)作簡(jiǎn)單的修改,就可以用于連續(xù)數(shù)值的目標(biāo)函數(shù)預(yù)測(cè)。計(jì)算與待測(cè)樣本最接近的k個(gè)樣本得平均值作為其預(yù)測(cè)結(jié)果,其預(yù)測(cè)公式為(6.3.1)...[繼續(xù)閱讀]