Advertisement

HSI MatLab代码-IEEE_JSTSP_SULoRA: SULoRA——洪丹凤, 朱孝祥. 具有低秩属性嵌入的低光谱数据分析方法...

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

简介：
本项目提供了针对SULoRA算法的MatLab实现，基于论文《具有低秩属性嵌入的低光谱数据分析方法》（作者：洪丹凤、朱孝祥），应用于IEEE JSTSP期刊。 hsimatlab代码SULoRA：具有低秩属性嵌入的子空间分解用于高光谱数据分析，由洪丹凤与朱潇湘开发并实现于此工具箱中。具体详情如下所述。 引文： 如果该代码对您的研究有所帮助，请引用以下论文。 洪丹凤, 朱潇湘. SULoRA：用于高光谱数据分析的具有低秩属性嵌入的子空间分解[J]. IEEE信号处理选定主题期刊，2018，12（6）: 1351-1363. @article{hong2018sulora, title={SULoRA: Subspace unmixing with low-rank attribute embedding for hyperspectral data analysis}, author={D. Hong and X. Zhu}, journal={IEEE J. Sel. Topics Signal Process.}, volume={12}, number={6}, pages={1351--1363}, year={2018}, publisher={IEEE} } 系统特定说明： 该代码已在Windows 10环境下进行计算。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • HSI MatLab代码-IEEE_JSTSP_SULoRA: SULoRA——洪丹凤, 朱孝祥. 具有低秩属性嵌入的低光谱数据分析方法...
    优质
    本项目提供了针对SULoRA算法的MatLab实现，基于论文《具有低秩属性嵌入的低光谱数据分析方法》（作者：洪丹凤、朱孝祥），应用于IEEE JSTSP期刊。 hsimatlab代码SULoRA：具有低秩属性嵌入的子空间分解用于高光谱数据分析，由洪丹凤与朱潇湘开发并实现于此工具箱中。具体详情如下所述。 引文： 如果该代码对您的研究有所帮助，请引用以下论文。 洪丹凤, 朱潇湘. SULoRA：用于高光谱数据分析的具有低秩属性嵌入的子空间分解[J]. IEEE信号处理选定主题期刊，2018，12（6）: 1351-1363. @article{hong2018sulora, title={SULoRA: Subspace unmixing with low-rank attribute embedding for hyperspectral data analysis}, author={D. Hong and X. Zhu}, journal={IEEE J. Sel. Topics Signal Process.}, volume={12}, number={6}, pages={1351--1363}, year={2018}, publisher={IEEE} } 系统特定说明： 该代码已在Windows 10环境下进行计算。
     
  • Matlab中的数据融合代码 - IEEE TGRS CoSpace: 洪丹凤, 横田直人, 乔瑟琳·尚努索, 朱孝祥。CoSpace：高光谱...
    优质
    本文介绍了一种基于MATLAB的数据融合技术，由洪丹凤、横田直人等人在IEEE TGRS CoSpace平台上开发完成。该方法专注于提升高光谱图像处理的质量与精度。 数据融合matlab代码CoSpace：从高光谱-多光谱对应中学习常见子空间（作者为洪丹凤、横田直人、乔瑟琳·尚努索、朱孝祥）。此工具箱中的代码实现细节如下所述。引用文献如果使用了该代码，请按照以下格式进行引用： @article{hong2019cospace, title={CoSpace: Common Subspace Learning from Hyperspectral-Multispectral Correspondences}, author={D. Hong and N. Yokoya and J. Chanussot and X. Zhu}, journal={IEEE Trans. Geosci. Remote Sens.}, volume={57}, number={7}, pages={4349--4359}, year={2019}, publisher={IEEE} } 系统特定说明：该代码已在Windows 10计算机上的Matlab R2016a或更高版本中进行了测试。如何使用？直接运行demo.m文件即可开始实验和验证功能。
     
  • HSI MatLab代码-ALMM_TIP：洪丹凤等。改进线性混合模型处理高光谱数据中的光谱变异...
    优质
    本项目由洪丹凤等人提出，旨在通过改进的线性混合模型(ALMM)有效减少高光谱图像中光照变化导致的光谱变异问题，采用MatLab编程实现。 hsimatlab代码增强线性混合模型以解决高光谱解混的光谱变异性问题由洪丹凤、横田直人、乔瑟琳·尚努索及朱孝祥提出，这是该方法更新版本（ALMM_v1），主要改进包括：第一，可以处理非网格HSI数据输入；第二，在工具箱中增加了盲ALMM代码以同时进行丰度估计和端成员提取；第三，修正了最终丰度图无法正确显示的问题。具体来说： 如果此代码对您的研究有用且有帮助，请引用以下论文： 洪丹凤、横田直人、乔瑟琳·尚努索及朱孝祥，“增强线性混合模型以解决高光谱解混的光谱变异性”，IEEE图像处理事务，2019年，第28卷（4）：1923-1938。
     
  • 基于MATLAB的典型相关分析实现——ECCV2018_J-Play: 洪丹凤, 横田直人, 徐健, 朱孝祥，涉及高维数据中的联合与渐进式学习...
    优质
    本文为ECCV2018会议文章《J-Play》，由洪丹凤等作者基于MATLAB实现，探讨了典型相关分析在高维数据中联合和渐进学习的应用。 典型相关分析的MATLAB实现代码用于从高维数据进行联合和渐进式学习以执行多标签分类任务，该工具箱中的代码实现了这一功能。具体而言，如果使用了此代码，请引用以下论文： Hong, Danfeng; Yokoya, Naoto; Xu, Jian and Zhu, XiaoXiang. Joint & Progressive Learning from High-Dimensional Data for Multi-Label Classification. Proceedings of the European Conference on Computer Vision (ECCV), pages 469--484, 2018. Hong, Danfeng; Yokoya, Naoto; Xu, Jian and Zhu, XiaoXiang. Joint and Progressive Subspace Analysis, [论文具体信息待补充]
     
  • 高光谱超分辨率的GLORIA方法-Matlab代码：“基于全局-局部低秩矩阵估计的数据融合”
    优质
    本项目提供了一种名为GLORIA的方法及其Matlab实现，用于提升高光谱图像的空间分辨率。该技术通过结合全局和局部低秩矩阵估算进行数据融合，有效增强了图像细节与清晰度。 高光谱超分辨率（HSR）旨在从一对共同注册的多光谱（MS）和高光谱（HS）图像中估计出同时具有较高空间与光谱分辨率的图像，其中前者在空间上较为精细但光谱粗糙，后者则相反。本段落提出了一种基于低秩矩阵估计的方法来解决这一问题。 我们假设整个图像及其局部区域所对应的光谱-空间矩阵都具有低秩结构。特别地，本地低秩假设旨在提供一个更加灵活的模型以解释由于端元变异性导致的空间变化影响。高铁问题被表述为全局和局部低秩规范下的最小二乘优化问题，并通过引入平滑Schatten-p逼近及加速主化最小化的最新非凸大规模优化技术来求解这一复杂的问题。 实验结果表明，基于上述方法的算法在合成数据与半真实数据上均表现出优异的恢复性能，超越了众多基准算法。该研究已提交给IEEE地理科学与遥感事务期刊，并于2019年发布。要获取更多关于此工作的信息，请运行Matlab中的“demo_synthetic.m”以查看合成实验的结果。
     
  • MATLAB中的低秩表示代码
    优质
    本项目提供了一系列用于在MATLAB中实现低秩表示的代码。通过优化算法寻求数据矩阵的最优低秩近似，适用于图像处理、机器学习等领域。 低秩表示的LRR MATLAB代码只能用于最基础的分解。对于完整版本的需求，请直接联系本人以获取进一步的帮助和支持。
     
  • GreBsmo.zip_Godec_低秩图像_图像的稀疏与低秩_稀疏低秩分解
    优质
    本项目GreBsmo.zip_Godec专注于通过GODEC算法实现图像的稀疏与低秩分解，旨在分离出图像中的稀疏噪声和低秩结构成分。 悉尼科技大学陶大程教授提出了GoDec算法的Greedy版本，该成果专注于对图像进行低秩稀疏分解。
     
  • MATLAB中的数据融合代码-ISPRS_LeMA: 洪丹凤, 横田直人, 南戈, 乔瑟琳·尚努索特, 朱小祥。可学习的流形比对（LeMA）...
    优质
    本文介绍了MATLAB中的数据融合代码-ISPRS_LeMA，由洪丹凤等人开发，实现了可学习的流形比对（LeMA），用于处理多模态遥感影像的数据融合任务。 数据融合Matlab代码实现可学习的流形比对（LeMA）：用于土地覆盖和土地利用分类的半监督跨模式学习框架由洪丹凤、横田直人、南戈、乔瑟琳·尚努索特以及朱孝祥开发，该工具箱中的代码实现了这一方法。具体细节如下： 引用说明： 如果此代码对您的研究有用且有帮助，请引用以下论文。 洪丹凤, 横田直人, 南戈, 乔斯林·尚努索特, 及 朱小香. (2019). 可学习的流形比对（LeMA）：用于土地覆盖和土地利用分类的半监督交叉模式学习框架. ISPRS摄影测量与遥感学报，第147期，页码193-205。 @article{hong2019learnable, title={Learnable Manifold Alignment (LeMA): A Semi-supervised Cross-modality Learning Framework for Land Cover and Land Use Classification}, author={D. Hong and N. Yokoya and N. Ge and J. Chanussot and X. Zhu}, journal={ISPRS Journal of Photogrammetry and Remote Sensing} }
     
  • 低秩表示的代码
    优质
    这段代码实现了低秩矩阵分解和低秩子空间聚类等低秩表示方法，适用于图像处理、数据压缩及模式识别等领域。 TPAMI2013 LRR低秩表示和子空间聚类算法代码，亲测可用。