Advertisement

常见的包括博茨瓦纳(Botswana)、休斯顿U(HoustonU)、印第安山松(Indian_pines)、肯尼迪空间中心(KSC)、帕维亚(Pavia)、萨利纳斯(Salinas)、雄...的高光谱数据集。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
包含光谱数据、标注信息、伪彩色图和标注图像的高光谱数据集，包括Botswana、HoustonU、Indian_pines、KSC、Pavia、Salinas、Xiongan和Xuzhou等，其文件格式均采用.mat格式。鉴于文件总大小超过了常规上传的限制，因此提供了通过百度云盘进行访问和使用的便捷方式。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 常用的高光谱数据集-Botswana、HoustonU、Indian_Pines、KSC、Pavia、Salinas、Xiong...
    优质
    这段简介介绍了一系列广泛使用的高光谱数据集，包括Botswana、HoustonU、Indian Pines、KSC、Pavia、Salinas和Xiong等，它们为研究和开发高光谱图像处理算法提供了宝贵的数据资源。 常见的高光谱数据集包括Botswana、HoustonU、Idian_pines、KSC、Pavia、Salinas、Xiongan和Xuzhou。这些数据集中包含光谱数据以及标注信息，并且提供伪色彩图和标注图像，文件格式均为.mat格式。由于文件大小超过上传限制，因此需要通过百度云盘进行分享。
     
  • 博茨瓦纳的高光谱遥感数据集
    优质
    本数据集为博茨瓦纳地区量身定制，包含详尽的高光谱遥感信息，适用于土地覆盖分类、资源勘探及环境变化监测等多领域研究。 NASA的EO-1卫星在2001年至2004年间对博茨瓦纳的奥卡万戈三角洲进行了一系列数据采集工作。该卫星上的Hyperion传感器以每像素30米的空间分辨率，在7.7公里宽的带状区域内，通过242个波段覆盖从400到2500纳米光谱范围的数据收集，每个波段宽度为10纳米。 由德克萨斯大学空间研究中心进行数据预处理工作，以减少坏探测器、探测器间失调和瞬时异常的影响。移除了未经校准且存在噪声的水吸收特征相关波段，并保留了其余145个候选特征波段：[10-55, 82-97, 102-119, 134-164, 187-220]。本研究分析的数据采集于2001年5月31日，包含来自已识别的14个类别的观测结果，这些类别代表了季节性沼泽、偶尔出现的沼泽以及三角洲远端区域较为干燥的林地中的土地覆盖类型。
     
  • 萨利纳斯高光谱遥感数据集
    优质
    萨利纳斯高光谱遥感数据集是一套广泛应用于高光谱图像处理与分析领域的标准测试数据集，源自美国加利福尼亚州萨利纳斯谷地。该数据集包含丰富的地面目标信息及详细的像素级标注，为算法开发和性能评估提供了宝贵的资源。 Salinas数据集是高光谱遥感图像分类中的常用数据集。
     
  • 肯尼迪航天中心(KSC)的高光谱遥感数据库
    优质
    肯尼迪航天中心的高光谱遥感数据库汇集了该地区详尽的地理与环境信息，为科研人员提供独特的数据资源，支持空间技术、地球科学及生态研究。 On March 23, 1996, NASAs AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) instrument collected data over the Kennedy Space Center (KSC) in Florida. The AVIRIS collects information across 224 bands of 10 nm width with center wavelengths ranging from 400 to 2500 nm. Data acquired at an altitude of approximately 20 kilometers have a spatial resolution of 18 meters. After eliminating water absorption and low signal-to-noise ratio (SNR) bands, the analysis utilized 176 bands. Training data were selected using land cover maps derived from color infrared photography provided by KSC and Landsat Thematic Mapper (TM) imagery. A vegetation classification scheme was developed by KSC personnel to define functional types that are discernible at the spatial resolution of both Landsat and AVIRIS data. The challenge in this environment is distinguishing between certain vegetation types due to their similar spectral signatures. For classification purposes, 13 classes representing various land cover types occurring within this area were defined for the site.
     
  • 萨利纳斯高光谱遥感数据库
    优质
    萨利纳斯高光谱遥感数据库是加州理工学院建立的一个重要数据集，包含详细的高光谱图像和地面实况信息，主要用于支持地球观测领域的研究与应用。 该场景由224波段的AVIRIS传感器在加州萨利纳斯谷采集，并具有高空间分辨率（3.7米像素）。覆盖区域包括512行和217个样本。与印度普林斯场景类似，我们排除了水吸收带中的20个波段，在这种情况下是：[108-112]、[154-167] 和 224。此图像仅提供传感器辐射数据形式的数据。它包括蔬菜地、裸土和葡萄园田地。萨利纳斯地面真实场景包含16类。
     
  • 博茨瓦纳高光谱数据集 包含地面真实信息 MATLAB格式
    优质
    本数据集包含博茨瓦纳地区的高光谱遥感图像及对应地面实况信息，以MATLAB文件格式存储，适用于土地覆盖分类与环境监测研究。 Botswana高光谱数据集包含ground truth的Matlab格式数据。
     
  • 印度潘斯-帕维亚数据集
    优质
    印度潘斯-帕维亚数据集是由印度研究者建立的一个包含大量印度地区人口统计数据和健康信息的数据集合，用于支持各类社会经济及公共卫生研究。 高光谱图像通用数据集文件小，占用内存少且验证速度快，非常适合学生使用。在Python环境下可以采用以下代码进行读取：`load_data1 = sio.loadmat(PaviaU_path)` 和 `data2 = load_data1[paviaU]`。
     
  • 印度帕斯印度_pines的高光谱数据
    优质
    印度帕斯印度_pines的高光谱数据提供该地区详细的光谱信息，适用于环境监测、农业评估及自然资源管理等研究领域。 高光谱数据是遥感领域中的一个重要概念，它包含丰富的光谱信息，并广泛应用于环境监测、资源探测及农业分析等领域。Indian_pines是一个经典的高光谱数据集，在遥感图像处理与机器学习算法的研究中被广泛应用。该数据集来源于美国印第安纳州的一个实际农田区域，具有较高的地物多样性，因此在学术界和工业界都极具参考价值。 此数据集中包含三个主要文件：`Indian_pines.mat`、`Indian_pines_corrected.mat` 和 `Indian_pines_gt.mat`。 1. 文件 `Indian_pines.mat` 包含原始的高光谱数据。它通常存储了由卫星或航空传感器捕获的光谱反射率，记录不同地物对各种波段光线的反射情况。每个像素代表特定地理区域，并与相应的光谱曲线相对应；这些曲线包含了数百个波段的信息，涵盖了可见光、近红外和中红外等范围。这些数据可以用于分析地表物理特性如植被健康状况及土壤类型。 2. 文件 `Indian_pines_corrected.mat` 是经过预处理的数据，可能包括辐射校正与大气校正的结果。辐射校正是为了消除大气效应以及传感器响应的影响，使数据更真实反映地面反射率；而大气校正则旨在减少大气对光谱信号的干扰，提高地物识别准确性。此类预处理后的数据通常更适合后续的地表分类和分析。 3. 文件 `Indian_pines_gt.mat` 包含每个像素的真实类别信息（即地物分类结果），这些信息是通过实地调查或参考高分辨率图像获得的“Ground Truth”(地面实况)。该标签文件对于评估各类算法性能至关重要，研究人员可以通过将模型预测的结果与GT进行比较来量化其准确度、召回率及F1分数等指标。 在使用Indian_pines数据集时，研究者通常会应用多种机器学习和深度学习方法来进行地物分类，例如支持向量机（SVM）、随机森林（Random Forest）以及神经网络模型。他们会先对高光谱数据进行特征选择或降维处理，并用这些特征训练算法；最终评估其在未知数据上的泛化能力。通过这样的实验研究，可以不断优化和改进现有技术以提高高光谱图像的分析与识别效率。 总的来说，Indian_pines是一个综合性的遥感资源库，不仅提供了原始光谱信息、预处理后的数据以及精确分类标签，还为研究人员提供了一个理想的测试平台来探索和发展新的高光谱图像处理技术和算法。
     
  • 印度潘尼斯的高光谱遥感数据集
    优质
    印度潘尼斯高光谱遥感数据集是由印度国家机构制作的一套详尽的地表反射率测量集合，适用于农业、环境监测及科研领域。该数据集覆盖了广泛的地理区域和多样的地物类型，为用户提供了丰富的研究素材。 高光谱遥感数据集Indian Pines包含测试集和训练集。
     
  • 【高光谱图像数据集】印度潘尼斯数据集
    优质
    简介：印度潘尼斯高光谱图像数据集是一套详尽记录了特定区域地物信息的数据集合，广泛应用于土地覆盖分类、目标检测等领域。 该场景由AVIRIS传感器在印第安纳州西北部的印度潘斯测试站点采集，包含145×145个像素和224个光谱反射率波段，在0.4至2.5微米范围内。此场景是更大图像的一部分。印第安潘斯场景中三分之二是农业用地，三分之一为森林或其他自然植被。该区域有两条主要的双车道公路、一条铁路线以及一些低密度住宅和其它建筑及小路。由于拍摄时间在六月，部分农作物如玉米和大豆尚处于早期生长阶段，覆盖率不到5%。 地面实况数据被划分为十六个类别，并非所有分类都是互斥的。我们还通过移除水吸收区域内的波段（即104-108、150-163以及220）将光谱带数量减少到200个。印度潘斯的数据可以通过普渡大学MultiSpec网站获取。 该场景没有包含联系方式和网址信息，因此在重写时无需特别说明这些内容的缺失或修改。