高光谱数据选取最优波段python,最优波段的选取,使用python
1条回答 默认 最新
关注 【相关推荐】
- 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/655018
- 这篇博客你也可以参考下:高光谱图像分类python代码
- 您还可以看一下 朱志超老师的Python高级进阶课程中的 Python中包和模块详解小节, 巩固相关知识点
- 除此之外, 这篇博客: Python处理高光谱数据#3 降维中的 基于Python的高光谱降维操作 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
- 高光谱数据:
- 用到的库:matplotlib、scipy、spectral
- 主要内容:主成分分析(PCA)与线性判别(LDA)
欢迎有兴趣的朋友交流指点。最后,废话不多说直接上代码😄
import matplotlib.pyplot as plt from scipy.io import loadmat import spectral as spy # PCA主成分分析 def pca_dr(src): pc = spy.principal_components(src) pc_98 = pc.reduce(fraction=0.98) # 保留98%的特征值 print(len(pc_98.eigenvalues)) # 剩下的特征值数量 spy.imshow(data=pc.cov, title="pc_cov") img_pc = pc_98.transform(input_image) # 把数据转换到主成分空间 spy.imshow(img_pc[:, :, :3], stretch_all=True) # 前三个主成分显示 return img_pc # LDA线性判别 def lda_dr(src, gt): classes = spy.create_training_classes(src, gt) fld = spy.linear_discriminant(classes) print(len(fld.eigenvalues)) img_fld = fld.transform(src) spy.imshow(img_fld[:, :, :3]) return img_fld input_image = loadmat('D:/Hyper/Indian_pines_corrected.mat')['indian_pines_corrected'] gt = loadmat("D:/Hyper/Indian_pines_gt.mat")['indian_pines_gt'] pca_dr(input_image) lda_dr(input_image, gt) plt.pause(60)
spy.principal_components
计算数据的主成分,并返回一个主成分的平均值、协方差、特征值和特征向量。该对象还包含一个将数据旋转到主成分空间的变换方法,以及一个将特征向量数量减小的方法。
如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^解决 无用评论 打赏 举报
悬赏问题
- ¥20 关于#硬件工程#的问题,请各位专家解答!
- ¥15 关于#matlab#的问题:期望的系统闭环传递函数为G(s)=wn^2/s^2+2¢wn+wn^2阻尼系数¢=0.707,使系统具有较小的超调量
- ¥15 FLUENT如何实现在堆积颗粒的上表面加载高斯热源
- ¥30 截图中的mathematics程序转换成matlab
- ¥15 动力学代码报错,维度不匹配
- ¥15 Power query添加列问题
- ¥50 Kubernetes&Fission&Eleasticsearch
- ¥15 報錯:Person is not mapped,如何解決?
- ¥15 c++头文件不能识别CDialog
- ¥15 Excel发现不可读取的内容