Advertisement

基于光谱先验，利用MATLAB代码，DeepCassi在SIGGRAPHAsia2017上展示了高质量的高光谱重建技术。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
KAIST视觉计算实验室开发的matlab代码，专注于高质量的高光谱重建，并利用频谱先验信息。该项目的通用信息代号为DeepCASSI（ACMSIGGRAPHAsia2017），由InchangChoi（），DanielS.Jeon（），GiljooNam（），MinH.Kim（）共同完成。关于相关细节，请参考以下文章：使用光谱先验进行高质量的高光谱重建。访问我们的项目以获取高光谱图像数据集。请注意，如果您在本项目中使用了任何免费提供的材料，务必引用我们发表的论文。Bibtex引用格式如下：@Article{DeepCASSI：SIGA：2017,作者={InchangChoi和DanielS.Jeon和GiljooNam以及迭戈·古铁雷斯（DiegoGutierrez）和闵·金（MinH.Kim）},title={高质量的高光谱重建使用频谱先验},journal={ACMTransactionsonGraphics（Proc。SIGGRAPHAs}。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • MATLAB代码保密-DeepCaSSI: [SIGGRAPH Asia 2017] 利用光谱先验技术实现高质量高光谱重建
    优质
    DeepCaSSI是一个在SIGGRAPH Asia 2017上展示的项目，使用MATLAB开发，它通过创新的光谱先验技术有效提升了高光谱图像的质量和还原度。该工具保护其代码的机密性以确保技术领先优势。 MATLAB代码保密高质量高光谱重建使用频谱先验一般信息代号：DeepCASSI（ACMSIGGRAPHAsia2017）。作者包括InchangChoi、DanielS.Jeon、GiljooNam以及MinH.Kim，他们均来自KAIST视觉计算实验室。有关更多信息，请参阅以下文章： 《使用光谱先验进行高质量的高光谱重建》，InchangChoi, Daniel S. Jeon, Giljoo Nam, Diego Gutierrez和Min H. Kim。 您可以访问我们的项目以获取高光谱图像数据集。如果您在研究中使用了本网站提供的任何免费材料，请引用我们的论文： Bibtex：@Article{DeepCASSI:SIGA:2017，作者={InchangChoi, Daniel S. Jeon, Giljoo Nam, Diego Gutierrez和Min H. Kim}，标题={高质量的高光谱重建使用频谱先验},期刊={ACMTransactionsonGraphics（Proc.SIGGRAPHAsia）}}
     
  • matlab光谱分类_programe.rar_高光谱_高光谱分类_高光谱显示
    优质
    本资源包提供MATLAB程序用于处理高光谱图像数据，包括分类和可视化功能。适用于研究与应用领域中对高光谱数据分析的需求。 使用MATLAB进行高光谱数据显示（显示分类后图像）。
     
  • CoNMF在高光谱解混中的应用-wave291-高光谱解混技术
    优质
    本研究探讨了CoNMF算法在高光谱图像解混中的创新应用，通过wave291数据集验证其优越性能，为复杂场景下的物质识别提供先进解决方案。 论文《Robust Collaborative Nonnegative Matrix Factorization for Hyperspectral Unmixing》提出了一种用于高光谱数据的光谱解混方法。该研究利用稳健的协同非负矩阵分解技术，有效提升了高光谱图像中混合像素成分分析的准确性和鲁棒性。
     
  • 利用光谱影像获取光谱曲线——基于ENVI的高光谱分析
    优质
    本文章介绍了如何使用ENVI软件进行高光谱图像处理，并从中提取有效的光谱信息。通过详细步骤讲解了从数据预处理到最终光谱曲线绘制的过程，为科研人员提供实用的技术支持。 从高光谱影像上获取的光谱曲线，在进行空间成像的同时记录了数百个连续的光谱通道数据，每个像素都可以提取出一条连续的光谱曲线。对高光谱图像处理的本质是对这些像元光谱曲线进行定量化处理与分析。
     
  • 高光谱和多光谱数据的融合技术
    优质
    本研究聚焦于探索与开发高光谱及多光谱数据融合的技术方法，旨在提升图像在分类、识别等方面的精度与效率。 高光谱与多光谱数据融合在城市规划、土地利用以及军事侦察等领域具有广泛的应用前景。本段落主要针对高光谱图像空间分辨率较低的问题进行探讨。
     
  • SVM.zip_SVM在高光谱分类中的应用_bit9k1_indianpines_高光谱分类研究_基于SVM的高光谱分类
    优质
    本项目探讨支持向量机（SVM）在印度普林斯高光谱数据集上的分类效果，旨在为高光谱图像分析提供高效准确的方法。 高光谱图像支持向量机（SVM）分类算法在PaviaU和Indianpines数据集上进行了测试。
     
  • 在MATLAB中读取和展示高光谱图像
    优质
    本教程介绍如何使用MATLAB软件读取、处理及可视化高光谱图像数据，涵盖相关函数与代码示例。 该 MATLAB 代码使用 multibbandread() 函数读取高光谱数据集，并可以将任意波段以图像形式展示。
     
  • 在MATLAB中读取和展示高光谱图像
    优质
    本教程详细介绍如何使用MATLAB软件读取、处理及可视化高光谱影像数据。通过实例解析相关函数与工具箱应用技巧。 资源来源于DoveJay，由于原程序不能显示图像，因此做了相应的修改。需要使用原版的，请访问相关网站下载。
     
  • 高光谱与全色融合_光谱_matlab_高光谱影像融合_高光谱_
    优质
    本项目聚焦于利用MATLAB平台实现高光谱图像和全色图像的融合技术研究。通过优化算法，提升高光谱影像的空间分辨率，结合光谱信息与空间细节，旨在提高遥感数据分析精度与应用价值。 自行替换高光谱和全色影像的名称即可运行Brovey_fuse。
     
  • 高光谱图像在线解混MATLAB代码-Online-Unmixing-PLMM：基于光谱变异性的多时段高光谱图像处理
    优质
    本项目提供了一套用于多时段高光谱图像在线解混的MATLAB代码，采用具有光谱变异性的PLMM模型，旨在提升高光谱数据分析效率和精度。 高光谱图像分离的MATLAB代码描述了处理多时相高光谱图像在线解混的方法，并考虑到了光谱可变性的影响。相关方法由P.-A.Thouvenin、N.Dobigeon和J.-Y.Tourneret在《IEEE Transactions on Image Processing》期刊上发表，卷25，第9期，页码3979-3990，出版日期为2016年9月。 实验说明：为了运行文章中报告的真实数据上的代表性实验，请配置并执行main.m脚本。依赖关系：当前代码包含了由相关作者开发的MATLAB函数，并参考了以下文献中的描述： [1] J.M.Nascimento和J.M.Bioucas-Dias，顶点分量分析：一种分离高光谱数据的快速算法, IEEE Transactions on Geoscience and Remote Sensing, 卷43, 第4期，页码898-910，2005年4月。 [2] J.M.Bioucas-Dias和M.A.T.Figueiredo，“约束稀疏回归”，未提供具体文献信息。