社区
下载资源悬赏专区
帖子详情
多光谱图像CAVE数据集下载
PIPI_333
2020-09-27 05:22:07
我们提供了用于模拟GAP相机的多光谱图像数据库。这些图像包含各种现实世界的材料和物体。我们正在将该数据库提供给研究社区。
相关下载链接:
//download.csdn.net/download/siyumiao_hbu/12889560?utm_source=bbsseo
...全文
675
回复
打赏
收藏
多光谱图像CAVE数据集下载
我们提供了用于模拟GAP相机的多光谱图像数据库。这些图像包含各种现实世界的材料和物体。我们正在将该数据库提供给研究社区。 相关下载链接://download.csdn.net/download/siyumiao_hbu/12889560?utm_source=bbsseo
复制链接
扫一扫
分享
转发到动态
举报
AI
作业
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
多
光谱
图像
CA
VE
数据集
我们提供了用于模拟GAP相机的多
光谱
图像
数据库。这些
图像
包含各种现实世界的材料和物体。我们正在将该数据库提供给研究社区。
CA
VE
data.rar
CA
VE
数据集
mat格式,含HSI,MSI,GT。我们提供了用于模拟GAP相机的多
光谱
图像
数据库。这些
图像
包含各种现实世界的材料和物体。
ADMM_3DDnCNN_HSI_deconvolution:实施论文“通过3DDnCNN学习
光谱
空间先验以进行高
光谱
图像
反卷积”(I
CA
SSP 2020)
通过3DDnCNN学习
光谱
空间先验以进行高
光谱
图像
反卷积 脚步: 运行
Ca
ve
_processing.py以处理公共
数据集
CA
VE
; 运行get_kernel.py以获得本文中使用的服务器模糊内核。 运行blurring_image.m以使原始高
光谱
图像
与获得的内核模糊; 运行main_con.py是高
光谱
图像
反卷积的主要功能。 如果要训练和测试去噪神经网络3DDnCNN,请执行以下操作: 运行train.py来训练3DDnCNN; 运行test.py以测试3DDnCNN; 如有任何疑问,请随时通过给我发送电子邮件。 如果此代码对您有帮助,请引用我们的论文,如下所示: @inproceedings {wang2020learning,title = {通过3DDNCNN为高
光谱
图像
反卷积学习
光谱
空间先验},作者= {Wang,Xiuheng和Chen,Jie and R
使用基于类的BP神经网络对RGB
图像
进行
光谱
超分辨率
高
光谱
图像
具有高
光谱
分辨率,并且已在许多应用中得到广泛使用,但是实现高
光谱
分辨率的成像过程是以空间分辨率为代价的。 本文旨在通过提出一种新的基于类的
光谱
超分辨率方法,从高空间分辨率的RGB
图像
中构建高空间分辨率的高
光谱
(HHS)
图像
。 借助一组RGB和HHS
图像
对,我们提出的方法使用基于类的反向传播神经网络(BPNN)学习RGB和HHS
图像
对之间的非线性
光谱
映射。 在训练阶段,使用无监督聚类将RGB
图像
根据
光谱
相关性分为几类,并使用分类后的RGB
图像
和对应的HHS
图像
的
光谱
对来训练BPNN,建立非线性
光谱
映射每堂课在
光谱
超分辨率阶段,使用监督分类将给定RGB
图像
分类为在训练阶段确定的类别,并使用训练后的BPNN从分类后的给定RGB
图像
重建最终的HHS
图像
。 对三个标准
数据集
ICVL,
CA
VE
和NUS的比较表明,与相关的最新技术方法相比,我们提出的方法可实现更好的
光谱
超分辨率质量。
hsimatlab代码-LTDL:用于高
光谱
图像
去噪的低秩张量词典学习方法
hsi matlab代码代码:用于高
光谱
图像
去噪的低阶张量字典学习方法 《 TSP2020一种用于高
光谱
图像
去噪的低秩张量字典学习方法》一文中的所有matlab代码。
数据集
从来自的ICVL。 我们通过msi=msi(1:2:size(msi,1),1:2:size(msi,2), :)下采样ICVL
数据集
。 来自的贾斯珀里奇(Jasper Ridge) 资料夹结构 Demo_DL_syn.m : Detect the object ' road ' on denoised jasperRidge HSIs via different methods (Fig. 7, 8). Please run it where we provide the pre‐computing denoising results and you
ca
n get the results in Fig. 7 and Fig. 8. Demo_denoise_ge.m : Denoise the
CA
VE
- ' watercolors ' HSI with generated noise. It needs t
下载资源悬赏专区
13,656
社区成员
12,677,383
社区内容
发帖
与我相关
我的任务
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
分享
社区描述
CSDN 下载资源悬赏专区
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章