高光谱像分类代码3DCNN

工程效果
工程

介绍

用pyqt搭建了一个UI，使用了ICA,FCM-ABC两种方法做了波段选择，和全波段三种数据对比，通过SVM(支持向量机)做了高光谱图像分类，并计算OA

涉及 1. Pavia University 图像分类

用的是支持向量机分类，简单效果好

2. pyqt界面

本来想用qt，但是写分类这些，python挺好用的，就用python qt写的界面，并且UI和逻辑是分类的。ui.py是整个界面的文件，progressBar.py是进度圈的代码

3. 波段选择算法 3.1 模糊C均值聚类+人工蜂群优化

模糊C均值有直接的库函数，调用sklearn里的 库就可以实现。

3.2 独立成分分析 其他 软件使用

装好库直接运行main.py就行了，显示界面后点加载即可加载光谱数据，点分类按钮即可分类
双击esc键即可退出

注 HSI文件夹下的高光谱图像没有上传，就是Pavia University scene图像工程很小，随便写个，没有专门去写适配多个图像的pyqt的逻辑和UI是完全分类，通过信号链接，总共有两个线程，UI一个，数据一个ABC(人工蜂群)有效果，但是不一定是最优,这个和聚类的结果也有关系个人觉得，大部分的波段选择其实都没有原始数据的效果好，论文里部分都是讲故事 参考

ABC参考

https://www.pianshen.com/article/729179041/

progressBar(进度圈控件)参考,这个写到自己的UI里的确挺麻烦

https://gitee.com/PyQt5/PyQt快三最准高手教学可退出

注 HSI文件夹下的高光谱图像没有上传，就是Pavia University scene图像工程很小，随便写个，没有专门去写适配多个图像的pyqt的逻辑和UI是完全分类，通过信号链接，总共有两个线程，UI一个，数据一个ABC(人工蜂群)有效果，但是不一定是最优,这个和聚类的结果也有关系个人觉得，大部分的波段选择其实都没有原始数据的效果好，论文里部分都是讲故事 参考

ABC参考

https://www.pianshen.com/article/729179041/

progressBar(进度圈控件)参考,这个写到自己的UI里的确挺麻烦

https://gitee.com/PyQt5/PyQt