简介:摘要:高光谱图像的波段多、维度高,图像中蕴含着丰富的信息,在军事、农业、食品和医学等领域具有重要的应用价值。高光谱图像分类是高光谱领域的研究热点,对于促进经济发展和改善民生福祉具有重要意义。然而,由于高光谱图像存在数据冗余性大和标记样本数量不足等问题,严重影响分类精度的进一步提高。因此,为了充分提取高光谱图像中的判别性特征,在有限的标签样本和较低的计算成本下取得较好的分类结果,本文的主要研究了针对高光谱图像的判别性特征提取难度大以及计算冗余的问题,提出了一种基于密集非对称卷积与空洞卷积空闲块网络的高光谱图像分类算法。
简介:利用共有峰率和变异峰率双指标,以番薯属六种样品的红外光谱为依据,计算出所测样品的共有峰率和变异峰率,建立番薯属六种样品的共有峰率和变异峰率双指标序列,揭示了番薯属六种样品之间的关系.结果表明紫薯果皮与紫薯果肉,白薯果皮与白薯果肉,红薯果皮与红薯果肉共有峰率分别为66.7%、37.5%、44.4%;三种番薯的果肉与果皮差距较大.通过比较三种果肉与三种果皮,可以发现它们的共有峰率在50%左右,这说明同属三种番薯的组成成分较为相近.该方法能从整体水平分析出番薯属的成分,具有速度快、重现性好、操作简单、破坏性小、样品量少等优点,从而为解决番薯属内在差异和植物同属鉴别提供了一种新的方法.