高光谱遥感图像数据整理分析

已于 2024-03-05 10:38:05 修改
阅读量2.2k 收藏 25
点赞数 10
文章标签： 图像处理 深度学习
于 2024-03-05 10:37:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42245856/article/details/136471390
版权
本文探讨了高光谱遥感图像数据的整理和分析，涵盖了Botswana、Houston、IndianPines等地的数据集，以及PaviaCentre和PaviaUniversity的研究实例，还提及了中国雄安新区和徐州的数据应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Think.
关注
全网最全高光谱数据集分享（附下载链接，验证可用）
热爱分享，热爱记录
02-28 2285
高光谱遥感技术的应用正在不断拓展，这些数据集为遥感研究人员和开发者提供了丰富的资源，帮助大家更好地进行图像分类、特征提取和数据分析。希望这些数据集能够为你的科研工作带来帮助！需要打包好的数据集，添加小编微信ictnet1无偿获取注：数据集资源整合自网络，版权归原作者及刊载媒体所有。廖晓龙.基于Transformer架构的高光谱遥感图像分类研究[D].湖南理工学院,2024.DOI:10.27906/d.cnki.gnghy.2024.000099.
高光谱遥感图像数据集
04-14
常用的高光谱遥感图像数据集，包含Indians Pines、Botswana、KSC、PaviaU、Salinas及它们的ground truth矩阵。文件后缀为.mat
houston 2013 数据集 hsi+lidar
最新发布
03-15
houston 2013 的数据集 包括hsi+lidar数据集，已被划分成测试集和训练集
Houston 数据集分享
热爱分享，热爱记录
02-28 688
该数据集空间尺寸大小为 349×1905 像素，空间分辨率为 2.5 m/pixel，波长范围为 380-1050 nm，包含了 144 个光谱波段。图来源：廖晓龙.基于Transformer架构的高光谱遥感图像分类研究[D].湖南理工学院,2024.DOI:10.27906/d.cnki.gnghy.2024.000099.技术委员会组织的 2013 年数据融合竞赛。该数据集是由 ITRES CASI-1500 传感器在休斯顿大学校园及其邻近地区所获得，用于 2013 年地球科学与遥感学会数据。
高光谱/遥感图像常用数据集
04-20
内有常用的高光谱图像（HSI）数据集，有常用的Indian,Pavia。每类数据集里包含图像原始信息，以及相对应的地面真实数据的类别标签。因文件大小限制，只能传这两个数据集，还有Salinas等数据集，大家需要的话可留言。
高光谱遥感数据集
热门推荐
欢迎来到snoopy碎碎念的小世界~~
02-26 1万+
目录 1.Washington DC数据 2.Urban数据 3.Pavia University和 Pavia Center数据 4.Houston数据 5.Eagle_reize数据 6.BerlinUrbGrad2009数据 7.HyRANK数据 8.Indian Pine数据 9.Salinas Valley数据 10.DFC2018 Houston数据 11.航空高光谱影像 Chikus...
高光谱遥感图像数据集Pavia
03-10
深度学习高光谱遥感图像数据集，光谱波段数为102，图像像素1096*1096
高光谱/遥感图像常用数据集（2）
04-25
该包提供了遥感图像分析中常用的Salinas数据集，为mat格式，包括各波段信息，及对应的地面真实数据的标签。
高光谱Houston数据集
无
06-25 1万+
Houston数据集 休斯顿数据集由高光谱图像分析小组和美国休斯顿大学NSF资助的机载激光测绘中心（NCALM）提供。 数据集最初用于2013 IEEE GRSS数据融合竞赛的科学目的。 如何获得 可以根据条款和条件在此处下载数据集。数据集地址 数据集预处理 1.下载 GDAL库： pip install GDAL‑3.0.1‑cp35‑cp35m‑win_amd64.whl 2.通过ENVI.生成ground_truth 用envi 打开 2013_IEEE_GRSS_DF_Contest_CASI.t
整合了近几年高光谱图遥感像分类的模型，目前已收录 64 个高光谱遥感图像分类模型
12-23
本项目主要聚焦于近几年开发和使用的高光谱遥感图像分类模型。这些模型来源于各种学术论文和研究成果，是对该领域内最新技术的集成和整理。项目中的分类模型数量已达到64个，这些模型通过整合硕士研究中阅读的文献和...
【高光谱图像数据集】ksc
04-07
The NASA AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) instrument acquired data over the Kennedy Space Center (KSC), Florida, on March 23, 1996. AVIRIS acquires data in 224 bands of 10 nm width with center wavelengths from 400 - 2500 nm. The KSC data, acquired from an altitude of approximately 20 km, have a spatial resolution of 18 m. After removing water absorption and low SNR bands, 176 bands were used for the analysis. Training data were selected using land cover maps derived from color infrared photography provided by the Kennedy Space Center and Landsat Thematic Mapper (TM) imagery. The vegetation classification scheme was developed by KSC personnel in an effort to define functional types that are discernable at the spatial resolution of Landsat and these AVIRIS data. Discrimination of land cover for this environment is difficult due to the similarity of spectral signatures for certain vegetation types. For classification purposes, 13 classes representing the various land cover types that occur in this environment were defined for the site.
高光谱遥感数据集 Cuprite
02-08
This data sets can be retrieved from AVIRIS NASA site. Among the many datasets available, the .mat archive posted here corresponds to the f970619t01p02_r02_sc03.a.rfl reflectance file.
【高光谱图像数据集】Indian Pines
04-07
This scene was gathered by AVIRIS sensor over the Indian Pines test site in North-western Indiana and consists of 145\times145 pixels and 224 spectral reflectance bands in the wavelength range 0.4–2.5 10^(-6) meters. This scene is a subset of a larger one. The Indian Pines scene contains two-thirds agriculture, and one-third forest or other natural perennial vegetation. There are two major dual lane highways, a rail line, as well as some low density housing, other built structures, and smaller roads. Since the scene is taken in June some of the crops present, corn, soybeans, are in early stages of growth with less than 5% coverage. The ground truth available is designated into sixteen classes and is not all mutually exclusive. We have also reduced the number of bands to 200 by removing bands covering the region of water absorption: [104-108], [150-163], 220. Indian Pines data are available through Pursue's univeristy MultiSpec site.
高光谱图像通用数据集下载大全(数据太大，提供百度云链接)
11-29
资源包括99.9%的常用的实验高光谱图像数据，全部是.mat文件，到手即用(数据集和标签都有，部分还有的图像)数据集包括:Indian pines，pavia university，pavia center,botswana,Houston_2013,Houston_2018,KSC,Salinas,xuzhou,xiongan，由于数据量过大，本资源提供百度云链接，请自行下载
Matlab高光谱遥感、数据处理与混合像元分解
PhyliciaFelicia的博客
09-18 2621
Matlab、土壤质量、高光谱、地面波谱测试、高光谱遥感、数据处理、混合像元分解、光谱、矿物填图、土壤质量参数评估、植被、农作物生长状态监测、机器学习、图像处理、电磁波谱、电磁波谱、
python多光谱遥感数据处理、图像分类、定量评估及机器学习方法应用
PhyliciaFelicia的博客
02-22 2565
python、多光谱遥感数据处理、图像分类、定量评估、机器学习、遥感、近红外、热红外、高光谱、作物估产、长势评估、ENVI、矿物识别、土壤质量评价、图像处理、岩矿、土壤、植被
基于PCA和SVM的高光谱遥感图像分类研究
aogogo的博客
10-15 1万+
本文选自《基于PCA和SVM的高光谱遥感图像分类研究 》–张亮，感觉对一些概念了解的还行但是和实际结合就有点犯晕了，做部分整理，强调理解。 　　摘　要:由于高光谱图像波段数目多,各波段间具有较强的相关性,因此通过主成分分析(PCA)方法对高光谱数据进行预处理,达到了降维的目的,同时也去除了噪声波段。用支持向量机方法对高光谱遥感图像进行分类,可实现图像的分类识别。1 引 言　　高光谱遥感图像分类方法
houston2018数据集免费下载
12-29
### Houston2018 数据集免费下载 对于Houston2018数据集的获取，当前描述的信息表明一些大型数据集因体积庞大而被托管于百度云盘以方便用户下载[^1]。然而，具体针对Houston2018数据集而言，在提供的参考资料中并没有直接提到该特定数据集及其对应的百度云链接。 通常情况下，如果要查找此类学术或科研性质的数据集，建议访问官方发布渠道或是知名的公开数据平台如Kaggle、Google Dataset Search等。这些平台不仅提供了安全可靠的下载途径，而且能够确保所使用的数据是最新的，并遵循了版权规定。 另外值得注意的是，当涉及到从第三方网站下载数据时，请务必确认其合法性以及安全性，避免侵犯知识产权的风险。同时也要注意保护个人隐私信息的安全性。 为了帮助更好地理解如何处理和利用这类数据集，下面给出一段简单的Python代码示例来展示如何加载MATLAB格式(.mat)的数据文件： ```python import scipy.io as sio # 加载 .mat 文件 data = sio.loadmat('path_to_your_file.mat') # 打印键值查看数据结构 print(data.keys()) ``` 此段代码可以作为基础模板用于导入并初步探索任何`.mat`类型的高光谱影像数据集。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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