mycoreobjectdbhsnb_thesis_0000002236dbhsnb_thesis_0000002236dbhsnbthesisdbhsnb_derivate_00000028612022-05-05T12:48:41.485Z2020-01-17T09:48:51.952ZadministratoreditorTpublished1dbhsnb_derivate_0000002861truetruederivate_types:fulltextfulltextVolltextwf_edit_epub wf_register_epubstate:publishedstate:publishedpublishedveröffentlichtdbhsnb/thesis2018-08461687620520OaurdaConverted from PICA to MODS using Pica2MODS with mode 'DEFAULT'.MasterarbeitHochschulschriftEfficient sparse signal recovery of remote sensing dataa classification method for hyperspectral image dataDas Anliegen dieser Arbeit ist , ein prinzipielles Klassifizierungspaket zu entwickeln für die Darstellung großer Datensätze für eine Klassifizierungsaufgabe. In dieser Arbeit wird ein Klassifizierungs-Algorithmus basierend auf der sparsamen Kodierung für die Klassifizierung eines gegebenen Testpixels aus einem hyperspektralen Bild entwickelt. Hyperspektrale Bilder im Fernerkundungsbereich haben die Charakteristik von Big Data in Bezug auf Geschwindigkeit, Richtigkeit und Volumen.MortezaAbdipourchenarestansoflaVerfasserInautGerdTeschkeAkademischeR BetreuerIndgs1054825173ErikBorgAkademischeR BetreuerIndgs10115485-9Hochschule Neubrandenburg01.09.2005 -Grad-verleihende Institutiondgg117513421XHochschule NeubrandenburgFachbereich Landschaftswissenschaften und GeomatikGrad-verleihende Institutiondgghttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236620 Ingenieurwissenschaften und MaschinenbauFachbereich Landschaftswissenschaften und Geomatikalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en2019Hochschule NeubrandenburgNeubrandenburgmonographic201920192020Hochschulbibliothek NeubrandenburgNeubrandenburg2020Hochschulbibliothek Neubrandenburghttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236vorgelegt von Morteza AbdipourchenarestansoflaSparse RecoveryKlassifikationSignalwiederherstellunghyperspektrale Bilderdoctype:epubdoctype:epubElectronic publicationsElektronische PublikationenElektronische Publikationendoctype:epub.masterthesisdoctype:epub.masterthesisdocumentEPUB.TYPE0003.003 EPUB.TYPE0003.004 EPUB.TYPE0003.001master thesisdiniPublType:masterThesis XMetaDissPlusThesisLevel:masterMasterarbeitSDNB:620SDNB:620620 Ingenieurwissenschaften und Maschinenbau620 Engineering & allied operationsinstitution:HSNBinstitution:HSNBfacultiesFachbereicheinstitution:HSNB.LGinstitution:HSNB.LGhttp://d-nb.info/gnd/117513421XFachbereich Landschaftswissenschaften und GeomatikHS.NB.S.LA HS.NB.S.LU HS.NB.S.NLP HS.NB.S.LNP HS.NB.S.BW HS.NB.S.VM HS.NB.S.GI HS.NB.S.GF HS.NB.S.GM HS.NB.S.BI HS.NB.S.LAGSMFaculty of Landscape Sciences and Geomaticslicenseinfo:worklicenseinfo:workWerkworklicenseinfo:work.rightsreservedlicenseinfo:work.rightsreservedalle Rechte vorbehalten/creativecommons/r/reserved/0.9/88x31.pngall rights reservedhttps://rightsstatements.org/page/InC/1.0/licenseinfo:depositlicenseinfo:depositVeröffentlichungsgenehmigungpermission to storelicenseinfo:deposit.rightsgrantedlicenseinfo:deposit.rightsgrantedNutzungsrechte erteiltrights grantedlicenseinfo:metadatalicenseinfo:metadataLizenzen für Metadatenlicenseinfo:metadata.cc0licenseinfo:metadata.cc0Lizenz Metadaten: CC0https://creativecommons.org/publicdomain/zero/1.0/license metadata: CC0/creativecommons/p/zero/1.0/88x31.pngaccesscondition:openaccessaccesscondition:openaccessfrei zugänglich (Open Access)open accessrfc5646:enrfc5646:enEnglishengengEnglischEfficient sparse signal recovery of remote sensing dataa classification method for hyperspectral image dataEfficient sparse signal recovery of remote sensing dataa classification method for hyperspectral image datagnd:1054825173gnd:10115485-9gnd:117513421Xgnd:1054825173gnd:10115485-9gnd:117513421Xdbhsnb_thesis_0000002236-d657620e47Morteza AbdipourchenarestansoflaMorteza Abdipourchenarestansofladbhsnb_thesis_0000002236-d657620e57gnd:1054825173Gerd TeschkeGerd Teschkedbhsnb_thesis_0000002236-d657620e69Erik BorgErik Borgdbhsnb_thesis_0000002236-d657620e79gnd:10115485-9Hochschule NeubrandenburgHochschule Neubrandenburgdbhsnb_thesis_0000002236-d657620e90gnd:117513421XHochschule Neubrandenburg Fachbereich Landschaftswissenschaften und GeomatikHochschule Neubrandenburg Fachbereich Landschaftswissenschaften und GeomatikMorteza AbdipourchenarestansoflaGerd TeschkeErik BorgHochschule NeubrandenburgHochschule Neubrandenburg Fachbereich Landschaftswissenschaften und GeomatikMorteza AbdipourchenarestansoflaGerd TeschkeErik BorgHochschule NeubrandenburgHochschule Neubrandenburg Fachbereich Landschaftswissenschaften und GeomatikMorteza AbdipourchenarestansoflaNeubrandenburgHochschule Neubrandenburgepub.masterthesishttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236Sparse RecoveryKlassifikationSignalwiederherstellunghyperspektrale BilderDas Anliegen dieser Arbeit ist , ein prinzipielles Klassifizierungspaket zu entwickeln für die Darstellung großer Datensätze für eine Klassifizierungsaufgabe. In dieser Arbeit wird ein Klassifizierungs-Algorithmus basierend auf der sparsamen Kodierung für die Klassifizierung eines gegebenen Testpixels aus einem hyperspektralen Bild entwickelt. Hyperspektrale Bilder im Fernerkundungsbereich haben die Charakteristik von Big Data in Bezug auf Geschwindigkeit, Richtigkeit und Volumen.20192019vorgelegt von Morteza Abdipourchenarestansoflaepub.masterthesis1 Masterthesis-Abdipourchenarestansofla-2019.pdf 2391018 402d6693696e6b3a89c2c05d339a0d3b dbhsnb/thesis2018-08461687620520OaurdaConverted from PICA to MODS using Pica2MODS with mode 'DEFAULT'.MasterarbeitHochschulschriftEfficient sparse signal recovery of remote sensing dataa classification method for hyperspectral image dataDas Anliegen dieser Arbeit ist , ein prinzipielles Klassifizierungspaket zu entwickeln für die Darstellung großer Datensätze für eine Klassifizierungsaufgabe. In dieser Arbeit wird ein Klassifizierungs-Algorithmus basierend auf der sparsamen Kodierung für die Klassifizierung eines gegebenen Testpixels aus einem hyperspektralen Bild entwickelt. Hyperspektrale Bilder im Fernerkundungsbereich haben die Charakteristik von Big Data in Bezug auf Geschwindigkeit, Richtigkeit und Volumen.MortezaAbdipourchenarestansoflaVerfasserInautGerdTeschkeAkademischeR BetreuerIndgs1054825173ErikBorgAkademischeR BetreuerIndgs10115485-9Hochschule Neubrandenburg01.09.2005 -Grad-verleihende Institutiondgg117513421XHochschule NeubrandenburgFachbereich Landschaftswissenschaften und GeomatikGrad-verleihende Institutiondgghttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236620 Ingenieurwissenschaften und MaschinenbauFachbereich Landschaftswissenschaften und Geomatikalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)en2019Hochschule NeubrandenburgNeubrandenburgmonographic201920192020Hochschulbibliothek NeubrandenburgNeubrandenburg2020Hochschulbibliothek Neubrandenburghttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236vorgelegt von Morteza AbdipourchenarestansoflaSparse RecoveryKlassifikationSignalwiederherstellunghyperspektrale Bilder 2020-01-17T09:48:51.952Z 2022-05-05T12:48:41.485Z editorT administratorfulltextfile/dbhsnb_thesis_0000002236/dbhsnb_derivate_0000002861/Masterthesis-Abdipourchenarestansofla-2019.pdfEfficient sparse signal recovery of remote sensing dataa classification method for hyperspectral image dataEfficient sparse signal recovery of remote sensing dataa classification method for hyperspectral image datagnd:1054825173gnd:10115485-9gnd:117513421Xgnd:1054825173gnd:10115485-9gnd:117513421Xdbhsnb_thesis_0000002236-d657620e47Morteza AbdipourchenarestansoflaMorteza Abdipourchenarestansofladbhsnb_thesis_0000002236-d657620e57gnd:1054825173Gerd TeschkeGerd Teschkedbhsnb_thesis_0000002236-d657620e69Erik BorgErik Borgdbhsnb_thesis_0000002236-d657620e79gnd:10115485-9Hochschule NeubrandenburgHochschule Neubrandenburgdbhsnb_thesis_0000002236-d657620e90gnd:117513421XHochschule Neubrandenburg Fachbereich Landschaftswissenschaften und GeomatikHochschule Neubrandenburg Fachbereich Landschaftswissenschaften und GeomatikMorteza AbdipourchenarestansoflaGerd TeschkeErik BorgHochschule NeubrandenburgHochschule Neubrandenburg Fachbereich Landschaftswissenschaften und GeomatikMorteza AbdipourchenarestansoflaGerd TeschkeErik BorgHochschule NeubrandenburgHochschule Neubrandenburg Fachbereich Landschaftswissenschaften und GeomatikMorteza AbdipourchenarestansoflaNeubrandenburgHochschule Neubrandenburgepub.masterthesishttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236Sparse RecoveryKlassifikationSignalwiederherstellunghyperspektrale BilderDas Anliegen dieser Arbeit ist , ein prinzipielles Klassifizierungspaket zu entwickeln für die Darstellung großer Datensätze für eine Klassifizierungsaufgabe. In dieser Arbeit wird ein Klassifizierungs-Algorithmus basierend auf der sparsamen Kodierung für die Klassifizierung eines gegebenen Testpixels aus einem hyperspektralen Bild entwickelt. Hyperspektrale Bilder im Fernerkundungsbereich haben die Charakteristik von Big Data in Bezug auf Geschwindigkeit, Richtigkeit und Volumen.20192019vorgelegt von Morteza Abdipourchenarestansofla[xslt]Saxondbhsnb/thesis2018-08461687620520Morteza AbdipourchenarestansoflaAbdipourchenarestansofla MortezaEfficient sparse signal recovery of remote sensing data : a classification method for hyperspectral image dataMasterarbeitmaster thesisHochschule Neubrandenburg, 2019Das Anliegen dieser Arbeit ist , ein prinzipielles Klassifizierungspaket zu entwickeln für die Darstellung großer Datensätze für eine Klassifizierungsaufgabe. In dieser Arbeit wird ein Klassifizierungs-Algorithmus basierend auf der sparsamen Kodierung für die Klassifizierung eines gegebenen…Morteza AbdipourchenarestansoflaEfficient sparse signal recovery of remote sensing dataa classification method for hyperspectral image dataHochschulbibliothek Neubrandenburghttps://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236MortezaAbdipourchenarestansoflaVerfasserInautGerdTeschkeAkademischeR BetreuerIndgs1054825173ErikBorgAkademischeR BetreuerIndgs10115485-9Hochschule Neubrandenburg01.09.2005 -Grad-verleihende Institutiondgg117513421XHochschule NeubrandenburgFachbereich Landschaftswissenschaften und GeomatikGrad-verleihende Institutiondgg[url]https://digibib.hs-nb.de/resolve/id/dbhsnb_thesis_0000002236open_access20192019epoch:21th_centuryrfc5646:endoctype:epub.masterthesisaccesscondition:openaccessSDNB:620institution:HSNB.LGstate:published