高光谱遥感数据库Indian Pines

遥感图像分类的应用在遥感图像研究中具有重要意义。为了提高高光谱遥感图像分类精度,本文提出了基于多特征融合的高光谱遥感分类方法。该方法将图像的空间特征和光谱特征归一融合,然后使用AdaBoost分类器集

局部几何结构Fisher分析通过数据的邻域和邻域的重构来表征高光谱数据的内在流形,可以提升高光谱图像的分类效果。但是该方法使用原始样本点与重构点一起构图,在低维空间上不能有效保持流形的整体结构。针对上

描述了高光谱数据和多光谱数据的波段组合差异，提取相同地区的相同地物，对比分析两种数据的光谱特征。

支持数据库同步

本资源是高光谱异常探测工作中使用较为频繁的两组数据集。分别是圣地亚戈机场数据，以及HYDICE数据集。均为mat格式，并包含真实异常分布图。

此数据为星载高光谱遥感数据，里面包含去除无效波段的数据及所其数据维度大小，还包含其GroundTruth，对算法分析验证很有用

[Hyperspectral image data set] ksc

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

通过使用PyTorch的dataloader来加载高光谱数据，我们可以进行高光谱数据的应用实例测试。高光谱数据是一种可以获取物体各个波段反射率信息的数据，它可以应用于农业、环境监测、医疗诊断等领域。在