xii
图列表
2.3.
通 过 合 成 数 据 集 #1中 的不同方法 恢 复 的 端 成 员 （
m
r
， 红 线 ） 及 其 受 变 异 性 影 响 的 变 体
（
m
r
+
dm
r
，
t
，蓝色点线）。对应于不同时间点的特征被表示在单个图上，以更好地理解从数据
中恢复的可变性。
以黑色表示的光谱对应于显著受离群值影响的特征..................................................................................... 62
2.4.
对于实验#1 [不同行对应于真实丰度、VCA/FCLS、SISAL/FCLS、RLMM、DSU、OU和提议的
方法]，不同方法（在每一行中）在每一时间点（在列中给出）恢复的第一个肢体的丰度图。用
红色表示的图像显示了几种方法对离群值的存在高度敏感，并显示了时间瞬间。
*表示 包含异常值的图像。.............................................................................................................................. 63
2.5.
在实验#1的每个时间点，通过不同方法恢复的第二肢体的丰度图。用红色标记的图像显示，几
种方法对
离群值的存在，以及用
*
表示包含离群值的图像的时间瞬间。...................................................................64
2.6.
在实验#1的每个时间点，通过不同方法恢复的第三肢体的丰度图。用红色标记的图像显示，几
种方法对存在高度敏感
* 表示包含离群值的图像，用* 表示时间瞬间。............................................................................................65
2.7.
对
具有3个端点的合成数据集的每个图像估计异常标签z 白色]。...............................................................65
2.8.
实验中使用的场景，提供了各自的采集日期。 以红色表示的区域
图2.8（e）突出显示了已知包含离群值的区域。.......................................................................................... 66
2.9.
在真实数据集上的实验中，通过不同方法（每行）在每个时间点（列中给出）恢复的土壤丰度
图在一只手上，用红色标记的图像表明，一些方法对异常值的存在特别敏感。另一方面，以绿
色分隔的图像表示与已拆分的签名相关的丰富地图
两种组分通过相应的解混程序。..................................................................................................................... 68
2.10.
在每个时间点（给定于 列）用于真实数据集实验。 以红色标记的图像表明，一些方法对异常值的存
在特别敏感。..................................................................................................................................................... 69
2.11.
在真实数据集上进行实验时，通过不同方法在每个时刻恢复植被丰度图。 在一只手上，用红色
标记的图像表明了一些方法。 他们对局外人的存在特别敏感。另一方面，以绿色分隔的图像表
示与签名相关的丰富地图，这些地图已被拆分为两个组件
相应的去混合程序。......................................................................................................................................... 69
2.12.
通过不同方法从图中检测的真实数据集恢复的端成员（m
r
，红线）及其受变异性影响的变体
（m
r
+
dm
r
，
t
，蓝色点线）2.8. 对应于不同时间点的特征以单个图表示，以更好地理解从数据中
恢复的可变性以黑色表示的光谱对应于被离群值破坏的签名，而以绿色给出的签名代表已被关
联的签名拆分为多个组件的端成员。
估计程序。......................................................................................................................................................... 70
2.13.
由所提出的方法恢复的标签映射的mMAP估计值，在每个时间点显示（不同行对应于：估计的
标签映射（检测为以白色显示的异常像素），
通过所提出的方法和RLMM获得的区间[0，1]中重新缩放的外体能量图。 71
2.14.
由检测器[Alt+13]估计的非线性映射应用于具有SISAL提取的端成员的每个图像，误报概率为10
−
3
（检
测到非线性以白色显示的像素）。71
3.1.
参考端成员（红线）和合成HS图像中涉及的光谱变异性（蓝线）下的相应实例。................................ 85
3.2.
合成混合物中使用的第一个肢体的丰度图。顶线表示理论上的最大丰度值和丰度大于0.95的真实
像素数。
每时每刻。......................................................................................................................................................... 88
3.3.
合成混合物中使用的第二端成员的丰度图。顶线表示理论上的最大丰度值和丰度大于该值的真
实像素数。
0.95每时每刻。.................................................................................................................................................. 89
3.4.
合成混合物中使用的第三端成员的丰度图。顶线表示理论上的最大丰度值和丰度大于0.95的真实
像素数。
每时每刻。......................................................................................................................................................... 89
3.5.
合成超光谱时间序列上的估计端成员（提取的端成员表示为
红色，蓝色点线中的可变性。......................................................................................................................... 90
剩余204页未读，继续阅读
cpongm
- 粉丝: 5
- 资源: 2万+
我的内容管理
展开
最新资源
- AirKiss技术详解：无线传递信息与智能家居连接
- Hibernate主键生成策略详解
- 操作系统实验：位示图法管理磁盘空闲空间
- JSON详解：数据交换的主流格式
- Win7安装Ubuntu双系统详细指南
- FPGA内部结构与工作原理探索
- 信用评分模型解析：WOE、IV与ROC
- 使用LVS+Keepalived构建高可用负载均衡集群
- 微信小程序驱动餐饮与服装业创新转型：便捷管理与低成本优势
- 机器学习入门指南：从基础到进阶
- 解决Win7 IIS配置错误500.22与0x80070032
- SQL-DFS：优化HDFS小文件存储的解决方案
- Hadoop、Hbase、Spark环境部署与主机配置详解
- Kisso：加密会话Cookie实现的单点登录SSO
- OpenCV读取与拼接多幅图像教程
- QT实战：轻松生成与解析JSON数据
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
