高光谱图像分类与目标识别实战
📚 共计 30 章节
01
高光谱遥感基础
高光谱成像原理 · 光谱维与空间维 · 数据特点
基础
光谱
02
高光谱数据获取
星载/机载传感器 · 地面光谱仪 · 公开数据集
传感器
数据源
03
Python环境搭建
Anaconda · GDAL/Spectral · GPU环境
环境
配置
04
高光谱数据读取
ENVI解析 · HDF5读取 · 数据可视化
IO
可视化
05
数据预处理
辐射定标 · 大气校正 · 几何校正
预处理
校正
06
光谱维降噪
SG滤波 · 小波去噪 · 中值滤波
降噪
滤波
07
数据降维
PCA · MNF · ICA
降维
特征
08
波段选择
基于方差 · 信息熵 · 相关性分析
波段
选择
09
光谱特征提取
导数光谱 · 连续统去除 · 吸收指数
特征
光谱
10
空间特征提取
纹理(GLCM) · 形态学 · Gabor
空间
纹理
11
标签数据准备
ROI标注 · 样本划分 · 数据增强
标注
样本
12
经典分类器
KNN · SVM · 随机森林
分类
ML
13
光谱角填图(SAM)
原理与实现 · 阈值选择 · 应用
SAM
填图
14
混合像元分解
线性模型 · 端元提取 · 丰度估计
解混
端元
15
深度学习基础
CNN原理 · PyTorch入门 · GPU训练
DL
PyTorch
16
1D-CNN光谱分类
一维卷积设计 · 光谱序列处理
1D-CNN
光谱
17
2D-CNN空间分类
二维卷积设计 · 空间邻域提取
2D-CNN
空间
18
3D-CNN空谱联合
三维卷积核 · 空谱特征融合
3D-CNN
融合
19
混合模型(HybridSN)
空间-光谱混合网络 · 残差连接
HybridSN
残差
20
注意力机制
SE-Net · CBAM · 自注意力
注意力
SE
21
Transformer模型
ViT架构 · 光谱-空间Token
Transformer
ViT
22
半监督学习
伪标签 · 一致性正则 · Mean Teacher
半监督
伪标签
23
小样本学习
原型网络 · 关系网络 · 元学习
小样本
元学习
24
迁移学习
预训练微调 · 域适应 · 跨数据集
迁移
微调
25
目标检测基础
滑动窗口 · 锚框 · NMS
检测
锚框
26
高光谱目标检测
CEM · ACE · RX异常检测
目标检测
异常
27
语义分割网络
U-Net · DeepLabV3+ · 分割应用
分割
U-Net
28
模型评估
混淆矩阵 · Kappa · F1 · ROC
评估
指标
29
模型部署
ONNX导出 · TensorRT · 边缘端
部署
加速
30
综合实战
从数据到部署完整流程 · 总结与展望
实战
项目