常用的高光谱遥感数据1

这个数据集包含了经过校正后使用高光谱相机拍摄的高光谱图像。使用Python进行高光谱图像分析时，这个数据集可以省去很多的拍摄和校正时间。我们提供高光谱相机数据集下载服务，方便您的研究。

包含高光谱数据集Indian Pines、Salinas、Pavia Centre and University .mat文件

Commonly used remote sensing data and band use

结合高光谱数据和深度学习的特点，提出一种同时考虑像素光谱信息和空间信息的深度卷积神经网络框架。该框架主要步骤如下：首先利用主成分分析法对高光谱遥感图像进行光谱特征提取，消除特征之间的相关性，并降低特征

高光谱遥感技术与传统遥感技术相比，有着图谱合一和光谱连续的优势，能够实现地物的准确识别和精细分类，并且在岩矿信息提取方面取得了显著成果，然而在植被信息提取中的研究尚处于发展阶段。随着农作物估产和土地利

基于EO-1 Hyperion高光谱遥感数据的特点,本文模拟了Hyperion遥感影像在940 nm和1 130 nm区域的水汽吸收特点,通过敏感性分析,选择第53、86波段作为940 nm区域的大气

统计量在高光谱遥感近似谱地物识别中的研究，刘春红，李平，为了进一步探索高光谱遥感在识别相似地物方面的应用，本文进行了高光谱遥感对近似光谱地物区别的研究。首先利用一阶统计量和二阶

高光谱遥感图像模糊c均值聚类算法的matlab实现

一种使用支持向量机算法（SVM）对Salinas数据集进行高光谱遥感影像分类的机器学习脚本。SVM算法通过寻找超平面将不同类别的数据进行分类。在构建分类器时，需要调整关键参数如核函数和正则化参数C，并

人工神经网络在高光谱遥感影像分类中的应用，郑玉凤，，高光谱遥感图像数据具有数据量大、波段很多很窄、波段相关性强、信息冗余多、图光一体化等特征。而遥感图像上的光谱值是多种地物