搜索资源列表
mfile4
- 计算多波段图像的特征空间图以及多波段图像的最佳组合指数。图像必须是多波段图像。
IHS
- 由多光谱图像的3个波段构成的RGB分量经IHS变换后，可将图像的空间特征(，)和光谱特征(H、S)分离
KL变换
- KL变换模式识别作业三 一、编程要求： 编程实现KL变换，并对TM六波段图像进行演算。 KL变换的思想是：从n维特征选取m维特征，删去的n-m维特征不一定就是无用的信息，如何在信息损失最小的情况下选取特征，在理论上就显得更严密些。通常采用正交变换，得到新的经变换的模式， 以保证信息损失最小情况下获得有利于分类的特征。 二、编程思想： 将6副图象依次输入获得灰度值存在一个6*size(size为一副图象的像素数)的二维数
间隔偏最小二乘
- 本工具包是关于模型建模过程中的特征波段的筛选工具包
mfile4
- 计算多波段图像的特征空间图以及多波段图像的最佳组合指数。图像必须是多波段图像。-Calculation of multi-band image of the feature space map, as well as multi-band image the best combination of indices. Image must be multi-band image.
IHS
- 由多光谱图像的3个波段构成的RGB分量经IHS变换后，可将图像的空间特征(，)和光谱特征(H、S)分离-From multi-spectral image consisting of three-band RGB components by the IHS transform, may be characteristic of the image space (,) and spectral characteristics of (H,
SpectrumAbsorptionBandDectetion
- 这是一个利用导数光谱分析的方法检测特征吸收波段的源代码，可供从事高光谱图像处理的朋友分享。-This is a use of derivative spectroscopy method of the characteristic absorption band of the source code, available to engage in high-spectral image processing share.
ImageRegistration
- 基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图
duoguangputuxiangpeizhun
- 本文针对多光谱图像配准中不同光谱图像间存在较大的灰度差异、同一景 物在不同波段表现的特征也各不相同等问题，提出了基于互信息相似性测度的 多光谱图像配准算法。-In this paper, multi-spectral image registration between images in different spectral gray there is a big difference, the same scene in d
glcmaa1
- 保真GLCM图像纹理分析。利用了基于灰度共生矩阵GLCM的纹理特征分析方法,对TM 6热红外波段影像进行目标信息的提取,以增强热辐射量大的亮温目标与背景图像的差异,从而实现对原始图像进行图像增强、实现目标信息提取的目的.-Image fidelity GLCM texture analysis
AP_cluster
- 对波段样本进行划分并选取特征波段之后使用最小二乘算法建立预测模型-Samples were divided on the band and select the feature band after forecasting models using least squares algorithm
myuve
- 使用uve算法进行特征波段提取，并建立预测模型-Bands with uve algorithm to extract features and build predictive models
sap
- 使用有监督的近邻传播聚类算法进行特征波段选取-Neighbors using a supervised clustering algorithm for propagation characteristics of selected bands
feature-weight-learning
- 自己搜集的一些关于特征波段权重学习的参考文献，希望对大家在特征选择一块有帮助-Own collection of some of the features of the band on the weights learning references, we want to choose a helpful feature
CACC
- 波段选择 特征选择 属性选择 matlab 很不错(Band selection feature selection attribute selection matlab very good)
eeg_feature_extraction
- 对eeg的五个波段进行提取, 脑电信号数据原始采集的脑电，输出5个不同波段幅值，(extract 5 wave bands of eeg signals)
SPA降维算法
- 连续投影算法，选取特征波长，可以实现多维数据的降维，提取特征波段
bi_sipls
- siPLS和biPLS是两种用于近红外光谱特征波段筛选的变量选择方法，可筛选出与兴关注指标密切相关的特征波段，并去除无关和干扰变量，提高模型稳健性(Bipls and sipls are two variable selection methods for screening the characteristic intervals of near-infrared spectra, which are closely related
连续投影算法
- 可以实现光谱特征波段的提取，减少建模时间。(It can realize the extraction of spectral characteristic band and reduce the modeling time.)
iVISSA
- 光谱特征波段的筛选，选择光谱数据中具有代表性的变量用以建立定量预测模型(This file is used to filter the spectral characteristic variables)