サインイン
インサイト - Bildverarbeitung, Fernerkundung
Leistungsfähiges Verfahren zur iterativen Diffusion für die Entfernung von Wolken in Fernerkundungsbildern
Ein innovatives zweistufiges Verfahren, das eine Pixel-basierte Wolkenentfernung mit einem iterativen Diffusionsmodell in latenten Räumen kombiniert, um hochwertige wolkenfreie Fernerkundungsbilder zu erzeugen.
Randomisierte Hauptkomponentenanalyse zur Klassifizierung hyperspektraler Bilder
Die Verwendung von randomisierter Hauptkomponentenanalyse (R-PCA) zur Dimensionsreduktion und Klassifizierung hyperspektraler Bilder wurde im Vergleich zur klassischen Hauptkomponentenanalyse (PCA) untersucht. Die Ergebnisse zeigen, dass PCA bei der SVM-Klassifizierung bessere Ergebnisse liefert, während R-PCA bei LightGBM ähnliche Genauigkeiten erreicht.
© 2024 by Linnk AI