高光谱遥感数据光谱特征的提取与应用 杜培军
遥感基础知识积累：绝对温度大于0的物体在整个光谱轴上具有连续的光谱曲线高光谱可以有效的描述一些窄而重要的局部光谱特征，可以明显看到高光谱对于光谱频带的描述是详细的。
光谱数据库美国JBL的航空可见光/红外成像光谱仪(AVIRIS)，AVIRIS在0.2-2.45微米的波长范围内获取224个连续的光谱波段图像，波段宽度不大于10n
摘自《基于深度卷积神经网络的高光谱图像分类》徐敏1.Indian Pines 数据集Indian Pines 是最早的用于高光谱图像分类的测试数据，由机载可视红外成像光谱仪（AVIRIS）于 1992 年对美国印第安纳州一块印度松树进行成像，然后截取尺寸为 145×145 的大小进行标注作为高光谱图像分类测试用途。AVIRIS 成像光谱仪成像波长范围为 0.4-2.5μm，是在连续的
前言：高光谱遥感（Hyperspectral Remote Sensing）又叫成像光谱遥感，是将成像技术和光谱技术相结合的多维信息获取技术（Goetz，1985年）。高光谱遥感数据中包含了丰富的空间、辐射和光谱三重信息，具有重要的综合应用价值。近年来，随着成像光谱技术在航空遥感领域的快速发展，这项技术成为各个领域的重要监测方法，涵盖大气圈、海洋研究、植被生态、矿产地质、水体研究、军事侦察和考古研
HyperOPS 剖面式高光谱观测系统，是一套自由落体式剖面高光谱光学测量系统，用于测量水生系统中的光学特性。由两个辐射计（一个测量水中上行辐亮度，一个测量下行辐照度或上行辐照度）、压力、倾斜传感器组成。独特的光学轮廓自由落体、风筝状背板设计，能有效避开船体阴影的影响，可获取高精度的水下环境光场（向下辐照度和向上辐亮度）。HyperOPS 非常轻巧，使用轻便，几乎任何人都可以手动部署。
1.摘要HSI----高光谱图像（Hyperspectral Image）。所捕获的光谱信息以及对应高光谱数据对象之间的非线性关系，使得传统方法无法进行准确的分类。深度学习方法作为一个强有力的特征提取器，被用在高光谱图像分类任务上。1.概括传统机器学习方法用于HSIC上面的不足，然后了解深度学习方法解决这些问题的优势。2.将目前最新的深度学习框架划分为：光谱特征、空间特征和空间光谱特征。3.如何高
Matlab读取高光谱遥感数据1、高光谱遥感数据简介2、两个开源的高光谱遥感数据集3、高光谱遥感数据常用格式3.1 .Mat3.2 .Tif4、Matlab读取高光谱遥感数据4.1 Matlab读取.Mat格式的高光谱遥感数据4.1.1 Matlab代码读取.mat4.1.2 运行结果（整合后）：4.2 Matlab读取.tif格式的高光谱遥感数据4.2.1 Matlab代码读取.tif4.2.
高光谱遥感影像数据集高光谱遥感是将成像技术和光谱技术相结合的多维信息获取技术，可以同时获取目标的二维空间信息与第三维的光谱信息，得到高光谱分辨率的连续、窄波段图像数据。高光谱图像与高分辨率图像、多光谱图像相比的优势在于，它的光谱分辨率高，波段众多，能够获取地物几乎连续的光谱特征曲线，并可以根据需要选择或提取特定波段来突出目标特征；定量化的连续光谱曲线数据为地物光谱机理模型引入图像分类提供了条件；它
转载
2023-09-05 12:46:59
0阅读
从上篇加载的数据开始，在层列表勾选该层。选择菜单命令 高光谱->复制波段数据 。点击后出现下述对话框。图1 选择波段图1左侧列出了所有通道的数据，打勾表示已经选中。点击OK可以将所有选中的通道复制成一个新层，选中所有通道就相当于复制了一个与当前层完全一样的副本。当然有时候我们不需要复制一个完全相同的层。1. 勾选/保存勾选结果勾选需要复制的通道很简单，但是300多个通道每次挑一遍也很费劲。挑
转载
2023-08-07 13:59:28
261阅读
1.归一化处理，分为均值归一化（mapminmax）和标准化（mapstd）
1.1mapminmax处理，按行逐行将数据归一化到-1-1，若6次采集的549波段的高光谱数据，如矩阵A为549*6，直接mapminmax（A），表示对于每一个波段，将不同批次采集的数据归一化，消除掉采集时外界因素对单波段的影响；
转载
2023-07-28 08:16:59
220阅读
目录（一）高光谱谱格式转换之rar转mat格式①RAW转tiff步骤：②tiff转mat步骤：（二）两种方法把高光谱图像缩放到0-1的数据集（三）高光谱数据预处理成规定大小和规格的数据集（四）高光谱数据增强①旋转②缩放（五）论文可用的光谱反射率等曲线对比图画法（六）高光谱图像拼接组合（七）高光谱图像快照式模拟编码（八）高光谱图像分波段显示（九）mat转tiff格式持续更新中.........
首先，我们要理解为什么要对“光谱数据进行特征波长优选”以及这是在干嘛，光谱数据可以想象成一长串的彩色条纹，每种颜色对应一个波长，就像彩虹一样。这些颜色的条纹代表了从某种物质（比如植物、矿石或是食品）反射或透过光的特性。通过分析这些条纹，我们可以了解物质的很多信息，比如它是什么成分、有没有污染、熟度等等。
以一景2014年7月26日获取的Hyperion高光谱数据为例，介绍了在ENVI下基于Workshop补丁的Hyperion数据预处理操作流程，主要包括：数据打开、未标定及受水汽影响严重波段剔除、坏线去除及条纹修复、Smile效应校正以及FLAASH大气校正等。1.配置插件补丁下载地址、参考教程、辅助数据下载地址：http://pan.baidu.com/s/1sjDPyzj安装：将hyp_wsh
基于MATLAB的高光谱遥感数据的PCA运用php高光谱遥感数据下载高光谱遥感数据来源本文章以Indian Pines包为例。该数据文件下包括Indian_pines_corrected.mat和Indian_pines_gt.mat文件。数据包导入matlab下载后的数据文件夹中存在两个以.mat结尾的文件。其中文件名中含有corrected的.mat文件为原始三维的遥感数据。剩下的一个.mat
1.函数multibandread读取读取多波段二进制影像文件(ENVI主菜单file—save file as—envi standard得到的就是二进制影像文件，有时甚至会看到后缀名为bsq、bil、bip等影像)。 im_hyper = multibandread(filename, size, precision, offset, interleave, byteor
转载
2023-06-16 08:32:37
156阅读
基于Python的高光谱图像显示高光谱数据：
用到的库：matplotlib 2.23、scipy 1.10、spectral 0.21主要内容：图像显示、类别显示、图像立方体显示、N维特征显示欢迎有兴趣的朋友交流指点。最后，废话不多说直接上代码?import matplotlib.pyplot as plt
from scipy.io import loadmat
import spectral
高光谱图像分类一、准备数据二、模型的实现三、创建数据集三、模型训练及测试五、一些备用函数六、对一些问题的思考七、心得体会 这次和上次情况差不多，写这篇文章的本意也是因为老师布置的作业。按要求，阅读论文《HybridSN: Exploring 3-D–2-DCNN Feature Hierarchy for Hyperspectral Image Classification》，并对里面的模型（
常用的高光谱遥感影像数据集前言数据集Indian PinesSalinasPavia Centre and UniversityPavia CentrePavia UniversityKennedy Space Center (KSC)Botswana下载链接 前言博主最近在做基于卷积神经网络的高光谱遥感影像分类的研究，所以简要介绍一下常用的高光谱遥感影像数据集。（1）什么是高光谱遥感？ 高光谱分
高分五号02星搭载了一台60公里幅宽、330谱段、30米分辨率的可见短波红外高光谱相机（AHSI），可见近红外（400~1000nm）和短波红外光谱（1000~2500nm）分辨率分别达到5纳米和10纳米。单看参数性能优越，忍不住想试试利用这个数据进行地物识别。本文介绍利用光谱分析方法从高分五号02星AHSI的反射率影像（可见近红外VN、短波红外SW组合的330个波段影像）上识别一些地物信息，如云
光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。以高光谱遥感为核心，构建大范围、快速、远程、定量探测技术，已在矿物填图、土壤质量参数评估、植被、农作物生长状态监测等领域取得了突出的成果，而在药品、食物、环境等领域也显示了不可估量的应用潜力。高光谱技术可以在不同空间尺
本次是高光谱遥感内容的第二季（第一季：Matlab高光谱遥感、数据处理与混合像元分解实践技术应用 ）总结了高光谱遥感技术领域的基础原理与核心概念，采用编程语言复现经典数据处理和应用方法，追踪了最新的技术突破，在消化理解、触类旁通之后，用即使是遥感“小白”也容易接受的方式分享给你。高光谱遥感课程的第一季：提供一套基于Matlab编程工具的高光谱数据处理方法和应用案例，从基础、方法、实践三方面对高光谱
