Python实现的高光谱遥感图像识别与分类项目完整资源包（毕业设计&课程设计&项目开发）

# HSI-SVM ## 简介 　　针对高光谱遥感影像识别与分类中存在的问题，开展了以下几方面的研究工作。 + （1）针对在实际应用中，当特征维数增加到某一个临界点时，继续增加特征维数反而会导致分类器的性能变差，即出现所谓的“休斯（Hughes）现象”的问题。提出了 基于波段组合(2D)2PCA 的高光谱遥感影像降维方法，达到了降低数据冗余，消除“休斯现象”的目的，为后续的特征提取和分类工作奠定了基础。 + （2）提出了基于双通道卷积神经网络的 HSI 空谱特征提取模型，该模型综合利用了高光谱遥感影像中所包含的光谱特征和空间特征，可有效的提高识别和分类的效率。 + （3）针对分类器的泛化能力较弱的问题，提出了基于双通道 CNN-SVM 相融合的HSI识别与分类模型，该模型充分利用了卷积神经网络强大的图像特征提取能力，同 时将 SVM 的泛化能力最大化，最大限度的提高了模型的分类精度，并将该模型应用到高光谱遥感影像分类中。 ## 下载 ## 分割数据集 ``` python create_PCA.py ``` ## 训练一个简单的模型 ``` python testmodel.py ``` ## 训练HSI ``` cd Part_2 python HSI.py ``` #### HIS_K #### HIS_G #### HIS ## 训练HSI_SVM ``` cd Part_3 python HSI.py ``` 资源来源于网络分享，如有侵权，请告知。仅供学习交流使用，禁止用于商业用途。