搜索结果: 1-6 共查到“测绘科学技术 高光谱遥感影像”相关记录6条 . 查询时间(0.166 秒)
基于集群和GPU的高光谱遥感影像并行处理
高光谱遥感 高性能计算 集群 GPU
2016/9/2
以高光谱遥感影像数据处理中的主成分分析（PCA）和最小噪声分离（MNF）以及光谱相关系数填图（SCM）算法的并行化为目标，分别在集群环境下基于MPI设计并实现了协方差矩阵并行算法，以及基于GPU设计并实现了SCM并行算法，并在高光谱遥感影像数据处理中得到应用和验证。实验结果表明，高光谱遥感影像数据处理高性能计算对于提高和改善其时间性能具有显著效果，是高光谱遥感工程化应用快速处理重要的技术手段。
本文在研究再生核Hilbert空间的支持向量机和小波分析理论的基础上，构建了基于再生核Hilbert空间的小波核函数支持向量机（小波支持向量机）。在高光谱遥感分类方面，支持向量机存在着分类精度不高和参数选择困难等问题。
高光谱数据的非线性性质是不可忽视的重要特点，现有的流形学习方法通过保持局部数据点间的线性关系进行降维，能有效的提高地物的分类精度。但是大多数基于流形学习的降维方法不能同时兼顾类内样本的几何结构与类间样本的判别信息。为此，本文发展了一种基于局部判别正切排列（Local Discriminative Tangent Alignment, LDTSA）的高光谱影像降维方法。LDTSA源于局部正切空间排列...
基于模糊核主成分分析的高光谱遥感影像特征提取研究
模糊集 核PCA 高光谱遥感影像
2009/11/20
主成分分析（PCA）是一种基于数理统计的线性特征变换方法，对线性结构数据的分析非常有效，但是对非线性的高光谱遥感影像数据，容易造成信息丢失和失真。本文引入模式识别中的模糊理论和核理论，有效克服了以上缺点，得到了很好的影像特征提取效果。
基于支持向量机的高光谱遥感影像分类若干问题的研究
支持向量机 遥感影像 影像分类
2008/8/11
该项目以国产OMIS和PHI高光谱影像为处理对象，研究基于支持向量机的分类方法。基于增量样本选择和支持向量机的高光谱遥感影像分类，应用聚类统计和人机交互实现样本增量选择与自动调整，通过支持向量机分类器设计、分类策略优化与统计学习实现影像分类；支持向量机分类中最优训练样本集和特征空间维数对分类精度影响规律的定量分析，综合降维操作和统计分析，建立支持向量机对高维特征和少样本问题的适用性和分析理论，提出...