Advertisement

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...

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

简介：
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。

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-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PLMM的高光谱图像解混MATLAB代码-考虑光谱变异性的扰动线性混合模型解混方法
    优质
    本项目提供了一种基于扰动线性混合模型（PLMM）的高光谱图像解混MATLAB实现，特别强调了对光谱变异性的处理。该方法旨在提高复杂场景下的物质成分分离精度和可靠性。 高光谱图像分离的Matlab代码使用微扰线性混合模型来处理具有光谱可变性的高光谱解混问题，相关方法详见P.-A.Thouvenin, N.Dobigeon 和 J.-Y.Tourneret 的论文《利用扰动线性混合模型进行包含光谱变化的高光谱解混》，发表于IEEE Transactions on Signal Processing，第64卷，第2期，525-538页，2016年。 实验：为了在文章中报告的真实数据上运行具有代表性的实验，请配置并执行main.m脚本。代码依赖： 当前的代码包括以下出版物描述的MATLAB函数，并由其作者开发： [1] JMNascimento和JMBioucas-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》，第43卷，第4期，898-910页，2005年4月。 [2] JMBioucas-Dias和MATFigueiredo。
     
  • 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。
     
  • 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。
     
  • 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。
     
  • 线性高光谱解混常见算法程序.zip_everywhereify_光谱_光谱解混_解混_高光谱解混
    优质
    本资源提供多种线性高光谱解混算法的编程实现，适用于遥感与环境监测领域。包括最小体积法、约束线性解混等技术代码，帮助用户深入理解并应用高光谱图像处理中的关键问题。 这段文字介绍了几种常用的基于线性混合模型的高光谱数据解混算法的代码，可供参考。
     
  • Matlab中的光谱数据预处理代码_光谱数据分析与处理_拉曼光谱预处理代码自用
    优质
    这段内容包含了一系列针对光谱数据分析和处理的MATLAB代码，特别适用于拉曼光散射实验中获取的数据。代码旨在优化原始信号的质量以提高后续分析精度，为个人研究使用而编写。 光谱数据预处理可以非常全面地进行，所有需要的步骤都可以自己完成。
     
  • 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。
     
  • 1DCNN_SPE_1DCNN_python_高光谱数据处理_光谱维度的1DCNN应用_高光谱
    优质
    本项目采用Python实现基于一维卷积神经网络(1DCNN)的高光谱数据分析，专注于提升光谱维度的数据处理能力与精度。 这段文本描述了5个Python文件，适用于各种高光谱数据集，并且只需要调整输入形状即可使用。