基于光谱特征和纹理特征协同学习的高光谱图像数据分类 | 光电工程 -- 中国光学期刊网

光电工程, 2012, 39 (11): 88, 网络出版: 2012-11-22

基于光谱特征和纹理特征协同学习的高光谱图像数据分类

Hyperspectral Data Classification with Spectral and Texture Features by Co-training Algorithm

李吉明 ^1,*贾森 ²彭艳斌 ³

作者单位

¹ 浙江警察学院刑事科学技术系, 杭州 310053

² 深圳大学计算机与软件学院, 广东深圳 518060

³ 浙江科技学院信息与电子工程学院，杭州 310023

高光谱图像协同学习半监督学习分类 hyperspectral image co-training semi-supervised learning classification

知识挖掘

相关论文

1. 利用残差生成对抗网络的高光谱图像分类

2022年

2. 基于密集卷积和域自适应的高光谱图像分类

2021年

3. 基于局部高斯混合特征提取的高光谱图像分类

2021年

4. 基于特征融合方法的高光谱图像分类综述

2021年

5. 一种利用空谱联合特征的高光谱图像分类方法

2020年

6. 基于分层引导滤波与最近邻正则化子空间的高光谱图像分类

2020年

7. 联合光谱-空间信息的短波红外高光谱图像茶叶识别模型

2019年

8. 两类空间信息融合的高光谱图像分类方法

2017年

9. 空间信息自适应融合的高光谱图像分类方法

2017年

10. 基于局部Gabor二进制模式的高光谱伪装目标图像分类

2014年

本文相似领域研究进展，

知识服务

本文主要研究领域论文发表情况：

高光谱图像

274篇

Hyperspectral image

212篇

131篇

123篇

半监督学习

16篇

semi-supervised learning

14篇

2篇

2篇

本文研究领域论文发表情况（统计图）：

李吉明, 贾森, 彭艳斌. 基于光谱特征和纹理特征协同学习的高光谱图像数据分类[J]. 光电工程, 2012, 39(11): 88. 李吉明, 贾森, 彭艳斌. Hyperspectral Data Classification with Spectral and Texture Features by Co-training Algorithm[J]. Opto-Electronic Engineering, 2012, 39(11): 88.

论文摘要 Full Text 图 & 表补充材料基本信息知识挖掘 Metrics PDF全文参考文献 & 引文

本文已被 3 篇论文引用
被引统计数据来源于中国光学期刊网

引用该论文： TXT | EndNote

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务，点击此处了解我们的隐私策略。如您需继续使用本网站，请您授权我们使用本地 cookie 来保存部分信息。

您最值得信赖的光电行业旗舰网络服务平台!

快速查询高级查询

最近搜索：

大家在搜：人工智能图像处理光子

热门搜索：机器视觉光通信光纤传感器