《表1 子波段情况：基于SVC的苎麻褐斑病叶片高光谱识别》
提示：宽带有限、当前游客访问压缩模式
根据所求得的离散系数值，以0.1为阈值，选择离散系数≥0.1的波段作为后续PCA的子波段，共筛选出4个波段，各子波段情况如表1所示。
| 图表编号 | XD00133868700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 汪佩佩、崔国贤、李运、曹晓兰 |
| 绘制单位 | 湖南农业大学信息与智能科学技术学院、湖南农业大学苎麻研究所、湖南农业大学信息与智能科学技术学院、湖南农业大学信息与智能科学技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 高光谱遥感影像波段信息》2020.08.20
- 《表2 回归系数表：基于高光谱遥感的露天矿分层识别》2020.12.25
- 《表1 识别误差对比：基于高光谱成像技术的运动人脸姿态识别方法》2020.11.25
- 《表3 基于高光谱影像的水稻叶片重金属诊断详情》2018.01.08
- 《表3 基于高光谱影像的水稻叶片重金属诊断详情》2018.01.08
- 《表1 高光谱特征参数：基于非成像高光谱的云烟97号叶片钾含量估算研究》2018.04.30
- 《表4 分类结果混淆矩阵：基于无人机高光谱影像波段选择的薇甘菊分类》2020.04.25
- 《表3 ABS排序：基于无人机高光谱影像波段选择的薇甘菊分类》2020.04.25
- 《表2 OIF排序：基于无人机高光谱影像波段选择的薇甘菊分类》2020.04.25
- 《表1 高光谱植被指数：基于红边优化植被指数的寒地水稻叶片叶绿素含量遥感反演研究》2020.03.31
- 《表2 主成分分析结果：基于SVC的苎麻褐斑病叶片高光谱识别》2020.02.01
- 《表3 样本的特征集合：基于高光谱和频谱特征的注水肉识别方法》2019.11.25
- 《表2 混淆矩阵：基于高光谱和频谱特征的注水肉识别方法》2019.11.25
- 《表7 波段搜索时间对比：高光谱图像子空间的波段选择》2019.09.25
- 《表6 各方法的指标评价：高光谱图像子空间的波段选择》2019.09.25
- 《表4 波段搜索时间对比：高光谱图像子空间的波段选择》2019.09.25
- 《表5 搜索次数比较：高光谱图像子空间的波段选择》2019.09.25
- 《表1 主成分分析结果：基于高光谱的柑橘叶片钾含量快速诊断模型》2019.08.05
- 《表1 叶片标记：基于统计的大豆叶片氮含量高光谱遥感模型研究》2018.11.25
- 《表2 样本氮含量：基于统计的大豆叶片氮含量高光谱遥感模型研究》2018.11.25