BsqView
2018-06-19 14:21:35 0 举报
AI智能生成
BSQview程序思维导图
作者其他创作
大纲/内容
Dlg-对话框获取参数
CBigImageDlg
重要参数
AverageGrey-平均
m_aPoints-所有ROI坐标点的坐标值
PointnumberArray-每个ROI的点数
Areas-类别数
OnRButtonDown
OnRButtonUp
OnMouseMove
OnLButtonUp
OnLButtonDown
OnPaint
CNDVIDlg
m_Red-红波段
m_NearRed-近红波段
COaKappaDIG
m_inputname1-参考图像
m_inputname2-分类图像
m_classnum-类别数
m_height-高
m_width-宽
COAKAPPA-精度结果显示
m_kappa
m_oa
COUTPUTFILE
OnSelectFile-选择输出路径
m_fileoutname-输出文件名字
KMeansDlg
m_changethreshold-阈值
m_nclassnumber-分类个数
m_niterationtimes-迭代次数
m_path-输出路径
SimulateDlg
m_SNR-信噪比
CSelBandsDlg
MFC-MDI
CAboutDlg
CMainFrame
CBsqViewDoc
CBsqViewview
CBsqViewView
OnFileOpen
OnPpiComputer
生成【6*100】的随机(-1,0,1)
向单位向量投影
记录投影到端点的次数
BandsSelection
OnChoosearea
OnNdviCac
OnMinDis
OnLinearUnmixing
OnBackProgration
OnSimulate
OnKmeans
OnOAKappa
CChildFrame
CBsqViewDoc
CBsqViewApp
获取感兴趣区点坐标 对应坐标获取原图像像素值
鼠标响应函数绘制感兴趣区
算法函数
CMatr-矩阵
MatrixInver-转置
MatrixMul-求积
MatrixOpp-求逆
NDVIcacu-植被指数计算
重点在于读取红和近红波段的值
CAccuracy-精度评价
CSupervised-监督分类
MinmumDistance-最小距离分类
求每个像素点到平均灰度的最小距离(最相近)进行分类
LinearUnmixing-线性混合像元分解
最小二乘法求端元丰度
SimulateData-模拟数据
CBPANN-BP神经网络
定义分类器参数BpClassfier
初始化GenerateNetwork(&Net)
定义随机连接权RandomWeights(&Net)
训练TrainNet(&Net)
打开待处理文件
打开输出文件
计算输入 SetInput(&Net, InputData)
获得输出 GetOutput(&Net, OutputData)
分类 赋值
CUnSupervised-非监督分类
K_means k均值分类
选取50个样本点
50个样本中选取聚类中心(一开始选择灰度值最大的)
挑选离聚类中心最近的距离作为比较的依据
在剩余的样本点中选择最大距离的作为下一个样本点
比较全图的点与聚类中心的距离 选择最小的 作为分类依据
新建基础类
CImageInitite
CSelBandsDlg
CChooseAreas
CBigImageDlg
COUTPUTFILE
0 条评论
下一页
为你推荐
查看更多
抱歉,暂无相关内容