Advertisement

Samson高光谱解混数据集。

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

简介：
高光谱解混数据集（Samson）包含156个通道的Matlab格式数据，其原始图像分辨率为952x952像素。每个像素点都记录了在156个通道上的信息，这些通道覆盖了401纳米至889纳米的波长范围，并且具有高达3.13纳米的光谱分辨率。鉴于原始图像尺寸过大，导致计算成本极高，因此仅使用95x95像素区域进行处理。该数据集从原始图像中特定位置的（252,332）像素开始。值得强调的是，此数据不会因空白通道或存在严重噪声的通道而受到降级或影响。该数据集的具体目标包括识别和分析三个不同的物种：“＃1土壤”，“＃2树”以及“＃3水”。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Jasper Ridge高光谱解混数据集
    优质
    Jasper Ridge高光谱解混数据集是一套用于分析和研究复杂环境场景中地物成分的数据集合，特别适用于加州斯坦福大学Jasper Ridge生物保护区内的植被与土壤类型识别。该数据集包含详细的高光谱影像及地面实测信息，是验证和开发高光谱遥感技术的重要资源。 高光谱解混数据集（Jasper Ridge）包含一个MATLAB的mat文件。原始数据尺寸为512 x 614像素，每个像素记录了从380nm到2500nm范围内的224个通道的数据，光谱分辨率高达9.46纳米。由于高光谱图像过于复杂而难以直接获取基本事实信息，我们选取了一个100x100像素的子图作为分析对象，该子图起始于原始图像中的第（105, 269）个像素位置。 在数据预处理阶段，移除了通道1-3、108-112、154-166和220-224的数据（主要是因为这些波段受水蒸气及大气效应的影响较大），最终保留了共包含198个有效光谱通道的图像数据。这一处理步骤是高光谱数据分析中常见的预处理方法之一，有助于提高后续分析的有效性和准确性。
     
  • 城市高光谱解混数据集
    优质
    城市高光谱解混数据集汇集了多种地物类型的高光谱遥感信息，旨在通过先进的统计和物理模型分离混合像元中的纯净端元，提高对复杂城市环境的理解与分析能力。 高光谱解混数据集Urban是用于高光谱分离研究中最广泛使用的数据之一。该数据集包含307 x 307像素的图像，每个像素代表2 x 2平方米区域。在这一图像中，波长范围从400纳米到2500纳米，并且有210个不同的波段。然而，在通道1至4、76、87、101至111、136至153以及198至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），最终保留了共计162个波段。
     
  • 萨姆森高光谱解混数据集
    优质
    萨姆森高光谱解混数据集是用于评估和优化高光谱图像中材料识别与定量分析的基准数据集。该数据集包含丰富的地面真实标签，涵盖多种复杂场景，为研究人员提供了一个测试算法性能的理想平台。 高光谱解混数据集Samson包含156个通道的Matlab格式数据，原始图像尺寸为952x 952像素。每个像素记录了在156个通道上的信息，覆盖401nm 至889nm 的波长范围，光谱分辨率高达3.13 nm。由于原始图像较大，在计算成本方面较高，因此选取了一个95×95像素的区域进行分析，该区域从原始图像中的第252,332像素开始。此数据未受到空白通道或严重噪声通道的影响降级。“#1土壤”，“#2树”和“#3水”是该图像中包含的三个目标。
     
  • 高光谱图像解混数据集——Samon
    优质
    Samon是一款专为高光谱图像解混设计的数据集，包含多样化的地物光谱信息和复杂的混合像元场景，旨在促进机器学习算法在遥感领域的应用与发展。 高光谱图像解混数据集Samon提供了一系列用于研究的高光谱图像数据。该数据集旨在支持对复杂场景中的材料进行精确识别与分析的研究工作。
     
  • 高光谱解混数据集(Cuprite矿区域图)
    优质
    本数据集为Cuprite矿区域的高光谱影像解混结果，包含多种地物端元及其丰度分布信息，适用于矿物识别与地质研究。 Cuprite（矿区图）是高光谱解混研究中的标准数据集之一，它涵盖了美国内华达州拉斯维加斯的Cuprite矿区。原始数据包含224个波段，覆盖从370nm到2480nm的范围。在移除有噪声和吸水通道后（即1至2号以及221至224号、104至113号及148至167号），数据集仍保留了188个波段的信息。该区域中的一个特定部分，尺寸为250×190像素，被认为存在有14种矿物的分布情况。 然而，在实际分析中考虑到相似矿物变体之间的细微差异后，最终确认的数据集中包含的是这十二类主要矿物：#1 Alunite, #2 Andradite, #3 Buddingtonite, #4 Dumortierite, #5 Kaolinite1, #6 Kaolinite2, #7 Muscovite, #8 Montmorillonite, #9 Nontronite, #10 Pyrope, #11 Sphene 和#12 Chalcedony.
     
  • Endmember_Extraction_Codes_zip_MATLAB_光谱解混_matlab解混_matlab高光谱_高
    优质
    本资源提供多种MATLAB代码用于执行光谱解混（即端元提取），适用于高光谱图像处理。通过分析复杂混合像素，分离出纯净光谱成分，促进目标识别与分类。 一些常用的高光谱解混方法的MATLAB代码被讨论了。
     
  • 线性高光谱解混常见算法程序.zip_everywhereify_光谱_光谱解混_解混_高光谱解混
    优质
    本资源提供多种线性高光谱解混算法的编程实现，适用于遥感与环境监测领域。包括最小体积法、约束线性解混等技术代码，帮助用户深入理解并应用高光谱图像处理中的关键问题。 这段文字介绍了几种常用的基于线性混合模型的高光谱数据解混算法的代码，可供参考。
     
  • Urban地区的高光谱解混数据集（.mat格式）
    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。
     
  • CoNMF在高光谱解混中的应用-wave291-高光谱解混技术
    优质
    本研究探讨了CoNMF算法在高光谱图像解混中的创新应用，通过wave291数据集验证其优越性能，为复杂场景下的物质识别提供先进解决方案。 论文《Robust Collaborative Nonnegative Matrix Factorization for Hyperspectral Unmixing》提出了一种用于高光谱数据的光谱解混方法。该研究利用稳健的协同非负矩阵分解技术，有效提升了高光谱图像中混合像素成分分析的准确性和鲁棒性。
     
  • 高光谱数据集合
    优质
    高光谱数据集合是指包含大量不同地物、物体或场景的高光谱图像的数据集，广泛应用于目标检测、分类与识别等领域。 常用的高光谱数据集包括IndianPines、PaviaU、Salinas以及Simu。