高光谱遥感数据集下载及简介

本文介绍了高光谱遥感领域的几个重要数据集,包括IP、UP、PC、Salinas-A(6类)、Salinas(corrected数据问题)和KSC数据集。内容涵盖每个数据集的基本信息,适用于遥感图像分类和分析的研究。
摘要由CSDN通过智能技术生成

 

参考以下网址:
数据分享07期|高光谱遥感数据集
下载IP/UP/Salinas等数据集

 

文章目录

 

1. IP数据集简介

print(IP.keys())#dict_keys(['__header__', '__version__', '__globals__', 'indian_pines_corrected'])
print(IP['indian_pines_corrected'].shape)#(145, 145, 200)
print(type(IP['indian_pines_corrected']))#<class 'numpy.ndarray'>
print(np.unique(IP['indian_pines_corrected']))#[ 955  961  962 ... 9279 9360 9604]

print(IP_gt.keys())#dict_keys(['__header__', '__version__', '__globals__', 'indian_pines_gt'])
print(IP_gt['indian_pines_gt'].shape)#(145, 145)
print(type(IP_gt['indian_pines_gt']))#<class 'numpy.ndarray'>
print(np.unique(IP_gt['indian_pines_gt']))#[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16]

在这里插入图片描述
在这里插入图片描述

2. UP数据集简介

print(PU.keys())#dict_keys(['__header__', '__version__', '__globals__', 'paviaU'])
print(PU['paviaU'].shape)#(610, 340, 103)
print(type(PU['paviaU']))#<class 'numpy.ndarray'>
print(np.unique(PU['paviaU']))#[   0    1    2 ... 7996 7997 8000]

print(PU_gt.keys())#dict_keys(['__header__', '__version__', '__globals__', 'indian_pines_gt'])
print(PU_gt['paviaU_gt'].shape)#(610, 340)
print(type(PU_gt['paviaU_gt']))#<class 'numpy.ndarray'>
print(np.unique(PU_gt['paviaU_gt']))#[0 1 2 3 4 5 6 7 8 9]

在这里插入图片描述
在这里插入图片描述

3. PC数据集简介

print(PC.keys())#dict_keys(['__header__', '__version__', '__globals__', 'pavia'])
print(PC['pavia'].shape)#(1096, 715, 102)
print(type(PC['pavia']))#<class 'numpy.ndarray'>
print(np.unique(PC['pavia']))#[   0    1    2 ... 7998 7999 8000]

print(PC_gt.keys())#dict_keys(['__header__', '__version__', '__globals__', 'pavia_gt'])
print(PC_gt['pavia_gt'].shape)#(1096, 715)
print(type(PC_gt['pavia_gt']))#<class 'numpy.ndarray'>
print(np.unique(PC_gt['pavia_gt']))#[0 1 2 3 4 5 6 7 8 9]

在这里插入图片描述
在这里插入图片描述

4. Salinas-A数据集简介(6类)

print(SA.keys())#dict_keys(['__header__', '__version__', '__globals__', 'salinasA_corrected'])
print(SA['salinasA_corrected'].shape)#(83, 86, 204)
print(type(SA['salinasA_corrected']))#<class 'numpy.ndarray'>
print(np.unique(SA['salinasA_corrected']))#[  -9   -8   -6 ... 8361 8367 8373]

print(SA_gt.keys())#dict_keys(['__header__', '__version__', '__globals__', 'salinasA_gt'])
print(SA_gt['salinasA_gt'].shape)#(83, 86)
print(type(SA_gt['salinasA_gt']))#<class 'numpy.ndarray'>
print(np.unique(SA_gt['salinasA_gt']))#[ 0  1 10 11 12 13 14]

在这里插入图片描述
在这里插入图片描述

5. Salinas数据集简介(对于corrected数据,OSError: could not read bytes)

print(SA.keys())#dict_keys(['__header__', '__version__', '__globals__', 'salinas'])
print(SA['salinas'].shape)#(512, 217, 224)
print(type(SA['salinas']))#<class 'numpy.ndarray'>
print(np.unique(SA['salinas']))#[ -14  -12  -11 ... 9141 9171 9207]

print(SA_gt.keys())#dict_keys(['__header__', '__version__', '__globals__', 'salinas_gt'])
print(SA_gt['salinas_gt'].shape)#(512, 217)
print(type(SA_gt['salinas_gt']))#<class 'numpy.ndarray'>
print(np.unique(SA_gt['salinas_gt']))#[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16]

在这里插入图片描述
在这里插入图片描述

6. KSC数据集简介

print(KSC.keys())#dict_keys(['__header__', '__version__', '__globals__', 'KSC'])
print(KSC['KSC'].shape)#(512, 614, 176)
print(type(KSC['KSC']))#<class 'numpy.ndarray'>
print(np.unique(KSC['KSC']))#[    0     1     2 ... 65533 65534 65535]

print(KSC_gt.keys())#dict_keys(['__header__', '__version__', '__globals__', 'KSC_gt'])
print(KSC_gt['KSC_gt'].shape)#(512, 614)
print(type(KSC_gt['KSC_gt']))#<class 'numpy.ndarray'>
print(np.unique(KSC_gt['KSC_gt']))#[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13]

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

上面两张图来自于论文“Gong Z , Zhong P , Yu Y , et al. A CNN With Multiscale Convolution and Diversified Metric for Hyperspectral Image Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019:1-20.”

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值