高光谱数据集 Houston 2013, 2018


在这里插入图片描述

1. 数据下载地址

HOUSTON 数据地址

2. 说明

数据信息

The dataset was acquired over the University of Houston campus and the neighboring urban area.

指标信息
spatial resolution2.5 m
spectral bands144
spectral region380 nm to 1050 nm

2013的地物种类

0 – Unclassified
1 – Healthy grass
2 – Stressed grass
3 – Synthetic grass
4 – Trees
5 – Soil
6 – Water
7 – Residential
8 – Commercial
9 – Road
10 – Highway
11 – Railway
12 – Parking Lot 1
13 – Parking Lot 2
14 – Tennis Court
15 – Running Track

2018的地物种类

在这里插入图片描述
在这里插入图片描述

(up) Color composite of MS-LiDAR intensity data (R = 1550 nm, G =
1064 nm, B = 532 nm) and (down) ground truth for training.

0 – Unclassified
1 – Healthy grass
2 – Stressed grass
3 – Artificial turf
4 – Evergreen trees
5 – Deciduous trees
6 – Bare earth
7 – Water
8 – Residential buildings
9 – Non-residential buildings
10 – Roads
11 – Sidewalks
12 – Crosswalks
13 – Major thoroughfares
14 – Highways
15 – Railways
16 – Paved parking lots
17 – Unpaved parking lots
18 – Cars
19 – Trains
20 – Stadium seats

  • 3
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 18
    评论
### 回答1: houstonu2013是一个被广泛使用的高光谱数据集,用于地球观测和遥感应用。该数据集主要收集于美国德州的休斯顿市区,它包含高光谱遥感图像和地物分类数据。 houstonu2013数据集中包含了大约400个高光谱图像,这些图像在空间分辨率和光谱分辨率上都很高。这些图像用于检测和分类地表上的不同地物类型,包括草地、道路、建筑物、河流等等。 在houstonu2013数据集中,主要有20个不同的地物分类类别。这些类别包括道路、建筑物、草地、树木、水体、低矮植被等等。其中,建筑物类别可以细分为不同类型的建筑物,如房屋、商业建筑、工业建筑等。 这些类别数的确定是根据人工标注来实现的。研究人员使用专业知识和遥感图像解译技术,将每个像素标记为不同的地物类别。通过对大量图像的标注,可以获得准确的类别数数据。 houstonu2013数据集的类别数多样且广泛,这使得它成为许多地球科学和遥感研究项目的理想选择。研究人员可以利用这个数据集来进行地表分类、土地覆盖变化分析等等,从而提高我们对地球的认识和管理能力。 ### 回答2: Houston2013高光谱数据集是一个用于遥感图像分析的标准数据集。它包含了位于美国休斯敦的一个地区的高光谱图像。高光谱图像使用一系列连续的窄波段来记录物体的光谱信息,可以提供更多细节和特征,用于地物识别和分类。 Houston2013数据集包含了一组多光谱和高光谱图像,共计13个波段,涵盖了可见光和红外波段。这些图像中的每个像素都包含了13个波段的光谱信息,如红色、蓝色、绿色等。通过利用这些波段的信息,我们可以获取地物的光谱特征,并进行分类和分析。 Houston2013数据集的类别数是14个,分别代表了不同的地物类别。这些类别包括建筑物、树木、道路、房屋、草地、光伏板、水体、铁路、土地、光伏架、人行道、停车场、运动场和阴影。每个类别都有其独特的光谱特征,可以通过对这些特征进行分析和比较,实现对遥感图像中不同地物的识别和分类。 总之,Houston2013高光谱数据集是一个包含了13个波段的高光谱图像数据集,用于遥感图像的分析和分类。它包含了14个不同的地物类别,每个类别都有其独特的光谱特征。通过对这些特征进行分析和比较,我们可以实现对遥感图像中不同地物的准确识别和分类。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 18
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

打赏作者

wild kindom

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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