《表2 参数设定：基于稀疏表示的高光谱图像解混算法研究》
提示：宽带有限、当前游客访问压缩模式
仿真数据内总共存在10 000个混合像素光谱向量。将仿真数据内的Np个数据充当初始训练集，光谱字典训练过程中的参数设定见表2。
| 图表编号 | XD00162352300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.25 |
| 作者 | 李雪、杨蕊、张金凤 |
| 绘制单位 | 燕山大学里仁学院、燕山大学里仁学院、燕山大学里仁学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 基于作物病虫害识别的高光谱图像分类算法》2021.01.25
- 《表1 基于ARSNMF的高光谱解混算法伪代码》2020.11.25
- 《表2 遥感数据集信息：GGCN：基于GPU的高光谱图像分类算法》2020.10.25
- 《表1 算法伪代码：GGCN：基于GPU的高光谱图像分类算法》2020.10.25
- 《表1 常用窗函数：一种基于光谱角字典构造稀疏表达的高光谱目标检测方法》2020.12.01
- 《表2 ENAE方法流程：高分五号高光谱图像自编码网络非线性解混》2020.04.25
- 《表1 实验参数：基于Brovey算法的机械高光谱图像数据自动化融合技术》2020.07.25
- 《表1 不同算法的高光谱图像分类性能指标》2020.03.01
- 《表2 图像相似度对比：对光照变化不敏感的微观高光谱图像木材树种识别算法研究》2020.02.01
- 《表6 最高识别正确率：对光照变化不敏感的微观高光谱图像木材树种识别算法研究》2020.02.01
- 《1 水稻昆虫特征参数：基于K-SVD和正交匹配追踪稀疏表示的稻飞虱图像分类方法》2019.10.01
- 《表2 丰度图像稀疏度和高光谱图像重建误差比较》2019.10.01
- 《表1 解混性能比较：基于高阶非线性模型的多目标高光谱图像解混算法》2019.10.25
- 《表1 卷积神经网络结构：基于高光谱图像和卷积神经网络的燃煤热值估计算法》2019.09.05
- 《表2 实验参数：基于高光谱图像和卷积神经网络的燃煤热值估计算法》2019.09.05
- 《表2 性能评价参数：基于高光谱图像分割的固态发酵中不同杆菌的识别方法》2019.09.20
- 《表2 结构相似比比较：改进SVM分类和稀疏表示的图像混合去噪算法》2019.07.01
- 《表2 回归算法结果比较：基于多模型融合的高光谱图像质量评价》2019.01.25
- 《表1 水色要素信息统计：基于稀疏表达的水体遥感反射率高光谱重构及其应用》2019.01.15
- 《表2 不同像元情况下高光谱解混算法SAD、RMSE及运行时间比较》2019.12.05