高光谱数据indian_pines，包括原始数据，分类后的数据，以及标签，其中gt.mat文件为标签文件，correct.mat为分类后的数据文件

小样本高光谱遥感图像深度学习方法

高光谱成像是一种新兴的无损快速检测技术，可以同时获取研究对象的图像和光谱信息，集成了光谱分析和图像处理的优势，已成为农产品病虫害信息快速、无损检测的重要手段之一，在农产品的溃疡病、褐斑病、白粉病、黑星病、腐烂、虫蛀等病虫害无损检测中的应用越来越广泛。本文简述了高光谱成像系统，总结分析了其在水果、蔬菜、肉类、谷物等农产品病虫害无损检测中的国内外最新研究进展，提出了农产品病虫害高光谱成像技术检测的未来研究发展方向，以期对相关研究人员的研究工作提供参考。

人工神经网络在高光谱遥感影像分类中的应用，郑玉凤，，高光谱遥感图像数据具有数据量大、波段很多很窄、波段相关性强、信息冗余多、图光一体化等特征。而遥感图像上的光谱值是多种地物

2、高光谱数据预处理 传感器定标 大气校正

matlab如何敲代码 该存储库包含： MUUFL湾港高光谱和LiDAR数据收集文件 校园1图像的MUUFL Gulfport高光谱数据场景标签 在GoogleEarth KML中标记了此场景的带有地理标签的照片和目标地面的真实位置 公牛目标检测得分码 注意：如果在任何出版物或演示文稿中使用了此数据，则必须引用以下参考文献： P. Gader，A。Zare，R。Close，J。Aitken，G。Tuell，“ MUUFL湾港高光谱和LiDAR机载数据集”，佛罗里达大学，盖恩斯维尔，佛罗里达，技术。 代表REP-2013-570，2013年10月。 如果在任何出版物或演示文稿中使用了场景标签，则必须引用以下参考文献： X. Du和A. Zare，“技术报告：MUUFL Gulfport数据集的场景标签地面真相图”，佛罗里达大学，盖恩斯维尔，佛罗里达州，技术。 发行号：20170417，2017年4月。可用：。 如果任何出版物或演示中使用了任何此评分或检测代码，则必须引用以下参考文献： T. Glenn，A。Zare，P。Gader，D。Dranishnikov。 （2016）。 Bull

大数据-算法-长白山地区森林土壤含水量定量遥感研究——利用多角度偏振高光谱信息与MODIS影像数据.pdf

高光谱图像拥有成百甚至上千个波段，具有图谱合一的特点，与多光谱图像相 比，不仅分辨率更高，而且包含更加丰富的空间和地物信息，通过对比分析目标光 谱曲线，可以完成在其它成像模态下难以完成的目标检测任务

人工智能-机器学习-高光谱遥感资源探测算法设计与软件实现.pdf

图像显着性检测算法matlab代码显着性2013 高光谱图像中的显着目标检测 介绍 该存储库包含ICIP论文《高光谱图像中的显着目标检测》中描述的算法的源代码。 可以在本文中找到更多详细信息。 该软件包已在64位Windows计算机上使用Matlab 2013a进行了测试。 此代码仅用于研究目的。 引用 如果您发现此代码对您的研究有用，请考虑引用：@inproceedings {Liang2013，作者= {Liang，Jie and Zhou，Jun and Bai，Xiao and Qian，Yuntao}，书名= {2013 IEEE国际图像处理会议} ，月份= {sep}，页面= {2393--2397}，发布者= {IEEE}，标题= {{高光谱图像中的显着物体检测}}，网址= {，年份= {2013}} 正在安装 下载代码：git clone。 下载高光谱图像： 将代码文件夹添加到Matlab的工作目录中。 运行Demo.m 反馈 如果您有任何问题（疑问，反馈）或发现代码中的错误，请与联系。