Advertisement

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...

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

简介：
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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。
     
  • 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} }
     
  • 数据融合MATLAB代码-IEEE_TGRS_MDL-RS:洪丹凤, 高连如, 横田直人, 姚瑶, 乔瑟琳·尚努索, 钱谦, 张冰。多样化意图...
    优质
    本项目为基于MATLAB的数据融合代码，由洪丹凤等人根据IEEE TGRS的MDL-RS模型开发，适用于遥感数据处理与分析，支持多种应用场景需求。 数据融合的MATLAB代码多样化意味着更好：多模式深度学习符合遥感影像分类，在此工具箱中的代码实现。更具体地，其详细内容如下所述。 如果本代码对您的研究有用且有帮助，请引用以下论文： 洪丹凤, 高连如, 横田直人, 姚瑶, 乔瑟琳·尚努索, 钱谦, 张冰. 多样性越多越好：多模式深度学习满足遥感影像分类[J]. IEEE地球科学与遥感学报，2021，59（5）:4340-4354. 引用格式如下： @article{hong2021more, title={MoreDiverseMeansBetter:MultimodalDeepLearningMeetsRemote-SensingImageryClassification}, author={D.Hong and L.Gao and N.Yokoya and J.Yao and J.Chanussot and Q.Du and B.Zhang}, journal={IEEE Trans. Geosci. Remote Sens.}, volume={59}, number={5}, pages={4340-4354}, year={2021}, doi = {10.1109/TGRS.2020.3016820} }
     
  • 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]
     
  • 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。
     
  • 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。
     
  • 高光谱图像解混Matlab代码-IEEE_TNNLS_EGU-Net:洪丹峰等作者贡献
    优质
    本项目提供Matlab实现的EGU-Net模型，用于处理高光谱图像解混问题。该工作由洪丹峰等人完成，并发表于IEEE Transactions on Neural Networks and Learning Systems (TNNLS)期刊。 高光谱图像分离的MATLAB代码Endmember-GuidedUnmixingNetwork（EGU-Net）是一种用于自监督高光谱解混的通用深度学习框架。该工具箱中的代码实现了这一功能，具体如下所述。 如果此代码对您的研究有用且有帮助，请引用以下论文： 洪丹峰、高连如、姚静、横谷直人、乔斯林·查努索特、乌塔·海登和张冰，“Endmember-GuidedUnmixingNetwork(EGU-Net): A General Deep Learning Framework for Self-Supervised Hyperspectral Unmixing,” IEEE Transactions on Neural Networks and Learning Systems, 2021，DOI: 10.1109/TNNLS.2021.3082289。
     
  • 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。
     
  • 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。