詳情點(diǎn)擊鏈接：Python高光譜遙感數(shù)據(jù)處理與高光譜遙感機(jī)器學(xué)習(xí)方法教程

第一：高光譜基礎(chǔ)

一：高光譜遙感基本

01)高光譜遙感

02)光的波長

03)光譜分辨率

04)高光譜遙感的歷史和發(fā)展

二：高光譜傳感器與數(shù)據(jù)獲取

01)高光譜遙感成像原理與傳感器

02)衛(wèi)星高光譜數(shù)據(jù)獲取

03)機(jī)載（無人機(jī)）高光譜數(shù)據(jù)獲取

04)地面光譜數(shù)據(jù)獲取

05)構(gòu)建光譜庫

三：高光譜數(shù)據(jù)預(yù)處理

01)圖像的物理意義

02)數(shù)字量化圖像（DN值）

03)輻射亮度數(shù)據(jù)

04)反射率

05)輻射定標(biāo)

06)大氣校正

資源02D高光譜衛(wèi)星數(shù)據(jù)輻射定標(biāo)與大氣校正

四：高光譜分析

01)光譜特征分析

02)高光譜圖像分類

03)高光譜地物識別

04)高光譜混合像元分解

（1）使用DISPEC 對光譜庫數(shù)據(jù)進(jìn)行光譜吸收特征分析

（2）使用ENVI的沙漏程序?qū)Y源02D高光譜衛(wèi)星數(shù)據(jù)進(jìn)行混合像元分解

五：高光譜應(yīng)用

01)植被調(diào)查

02)水質(zhì)監(jiān)測

03)巖石、礦物

04)土壤

第二：高光譜開發(fā)基礎(chǔ)（Python）

一：Python編程

01)Python

02)變量和數(shù)據(jù)類型

03)控制結(jié)構(gòu)

04)功能和模塊

05)文件、包、環(huán)境

（1）python基礎(chǔ)語法

（2）文件讀寫

（3）包的創(chuàng)建導(dǎo)入

二：Python空間數(shù)據(jù)處理

01)空間數(shù)據(jù)Python處理

02)矢量數(shù)據(jù)處理

03)柵格數(shù)據(jù)處理

（1）python矢量數(shù)據(jù)處理

（2）python柵格處理

三：python 高光譜數(shù)據(jù)處理

01)數(shù)據(jù)讀取

02)數(shù)據(jù)預(yù)處理

03)光譜特征提取

04)混合像元分解

（1）高光譜數(shù)據(jù)讀取

（2）高光譜數(shù)據(jù)預(yù)處理

（3）光譜特征提取

（4）混合像元分解

第三：高光譜機(jī)器學(xué)習(xí)技術(shù)（python）

一：機(jī)器學(xué)習(xí)與python

01)機(jī)器學(xué)習(xí)與sciki learn?

02)數(shù)據(jù)和算法選擇

03)通用學(xué)習(xí)流程

04)數(shù)據(jù)準(zhǔn)備

05)模型性能評估

06)機(jī)器學(xué)習(xí)模型

機(jī)器學(xué)習(xí)sciki learn

二：深度學(xué)習(xí)與python

01)深度學(xué)習(xí)

02)深度學(xué)習(xí)框架

03)pytorch開發(fā)基礎(chǔ)-張量

04)pytorch開發(fā)基礎(chǔ)-神經(jīng)網(wǎng)絡(luò)

05)卷積神經(jīng)網(wǎng)絡(luò)

06)手寫數(shù)據(jù)識別

07)圖像識別

（1）深度學(xué)習(xí)pytorch基礎(chǔ)

（2）手寫數(shù)字識別與圖像分類

三：高光譜深度學(xué)習(xí)機(jī)器學(xué)習(xí)

01)高光譜圖像分類機(jī)器學(xué)習(xí)

02)卷積神經(jīng)網(wǎng)絡(luò)（CNN）在高光譜數(shù)據(jù)分析中的應(yīng)用

03)循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在高光譜數(shù)據(jù)分析中的應(yīng)用

（1）高光譜深度學(xué)習(xí)

（2）使用自己數(shù)據(jù)測試02)深度學(xué)習(xí)框架

第四：典型案例操作實踐

一：礦物填圖案例

01)巖礦光譜機(jī)理

02)基于光譜特征的分析方法

03)混合像元分解的分析方法

04)礦物識別機(jī)器學(xué)習(xí)分析方法

05)礦物分類圖深度學(xué)習(xí)方法

（1）礦物高光譜混合像元分解

（2）礦物識別和分類標(biāo)簽數(shù)據(jù)制作

（3）礦物分類圖深度學(xué)習(xí)方法

二：農(nóng)業(yè)應(yīng)用案例

01)植被光譜機(jī)理

02)農(nóng)作物病蟲害分類

03)農(nóng)作物分類深度學(xué)習(xí)實踐

（1）農(nóng)作物病蟲害數(shù)據(jù)分類

（2）農(nóng)作物分類深度學(xué)習(xí)

三：土壤質(zhì)量評估案例

01)土壤光譜機(jī)理

02)土壤質(zhì)量調(diào)查

03)土壤含水量光譜評估方法

04)土壤有機(jī)質(zhì)含量評估與制圖

（1）基于9種機(jī)器學(xué)習(xí)模型的土壤水分含量回歸

（2）土壤有機(jī)質(zhì)含量回歸與制圖

四：木材含水率評估案例

01)高光譜無損檢測

02)木材無損檢測

03)高光譜木材含水量評估

木材含水量評估和制圖