Advertisement

雄安新区高光谱遥感影像分类数据集(MAT格式已处理)

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


简介:
本数据集包含雄安新区高光谱遥感影像的详细分类信息,经预处理后以MAT格式提供,适用于土地覆盖分析与环境监测研究。 雄安新区马蹄湾村的航空高光谱遥感影像分类数据集涵盖了400-1000nm范围内的250个波段,影像尺寸为3750×1580像元,空间分辨率为0.5米。同步进行实地调研的地类分布包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻田、水体、柳树、复叶槭、栾树、桃树、玉米田、梨园和荷塘,共19种类型。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • MAT
    优质
    本数据集包含雄安新区高光谱遥感影像的详细分类信息,经预处理后以MAT格式提供,适用于土地覆盖分析与环境监测研究。 雄安新区马蹄湾村的航空高光谱遥感影像分类数据集涵盖了400-1000nm范围内的250个波段,影像尺寸为3750×1580像元,空间分辨率为0.5米。同步进行实地调研的地类分布包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻田、水体、柳树、复叶槭、栾树、桃树、玉米田、梨园和荷塘,共19种类型。
  • 优质
    高光谱遥感影像数据集是一套包含连续可见光到短波红外区域光谱信息的数据集合,用于精确的地物识别与分类。 常用的高光谱遥感图像数据集包括Indians Pines、Botswana、KSC、PaviaU和Salinas,以及它们的ground truth矩阵。这些文件的后缀为.mat。
  • 代码与
    优质
    本项目聚焦于开发和应用先进的高光谱遥感影像分类算法及模型,并提供高质量的数据集以促进相关研究。 模型包括CNN, SAE, KNN 和 SVM。数据集使用了Indian_pines和Pavia。
  • RAR文件
    优质
    该RAR文件包含用于训练和测试高光谱遥感图像分类算法的数据集,旨在促进准确的土地覆盖识别与分析研究。 高光谱遥感影像分类数据集适用于高光谱遥感影像的分类研究,在深度学习领域尤其常用,包括Botswana、Indian Pines、Pavia University等地的数据集。
  • Pavia
    优质
    本研究聚焦于Pavia大学区高光谱遥感图像的数据集,深入探讨并应用多种分类算法进行地物识别与分类精度评估。 高光谱遥感分类数据集PaviaUniversity包含.mat格式的数据和ENVI原影像文件。如需其他高光谱遥感分类数据集,请联系本人。
  • 帕维亚的
    优质
    本数据集包含帕维亚大学校园内的高光谱遥感影像,涵盖多种地面覆盖类型,旨在支持各类高光谱图像分析与处理研究。 深度学习高光谱遥感图像数据集包含102个光谱波段,图像像素大小为1096*1096。
  • Urban地解混(.mat
    优质
    本数据集提供了Urban地区详尽的高光谱影像信息,以.mat格式存储,适用于深入研究与分析地物类型及其分布特征。 高光谱解混数据集Urban是用于高光谱分离研究中的常用数据之一。该数据集包含307 x 307像素的图像,每个像素代表一个2 x 2平方米的区域。在该图中存在从400nm到2500nm波长范围内的光谱信息,并且以10纳米为间隔进行采样。然而,在通道1--4,76,87,101-111,136--153和198-210被移除后(因为这些区域受到密集水蒸气和大气效应的影响),图像保留了剩余的共162个波长通道。该数据集为科研提供了重要的支持。
  • MATLAB代码合RAR包
    优质
    本RAR包包含一系列用于处理和分析高光谱遥感图像的MATLAB代码,涵盖预处理、特征提取及多种分类算法实现,适用于科研与教学。 首先使用PCA进行降维,并利用SVM对高光谱数据进行分类。所用的数据是印第安纳农场数据集,训练样本比例可调。此外,设计了一个GUI界面。
  • SVM.zip_SVM与应用__
    优质
    本资源包含支持向量机(SVM)在遥感图像分类中的应用实例,特别是针对高光谱数据集的分类研究。提供算法实现和实验结果分析。 SVM分类在高光谱遥感图像的分类和预测中有应用。
  • 常用的(.mat 文件)压缩包
    优质
    本压缩包包含多个常用高光谱图像分类数据集,格式为.mat文件,便于直接在Matlab等软件中加载使用,适用于科研与教学。 常用高光谱分类数据集包括Indian Pines、KSC、Purdue、DC、HOUSTON、Botswana和Salinas等,这些数据集在撰写论文时通常足够使用,并且是公开的;使用方法为格式全部为mat文件,在Python和Matlab上均可使用;建议尝试不同传感器的数据集以验证分类方法的有效性。