二维相关光谱是一种实验设计与数据处理相结合的分析技术。目前应用最广泛的是以温度为变量的二维相关红外光谱技术。

1、实现效果：《【Matlab/CV系列】基于K-means/分水岭分割的多光谱遥感图像分割的Matlab实现》见博客链接：https://blog.csdn.net/SoaringLee_fighting/article/details/124261027 2、内容介绍：基于K-means/分水岭分割的多光谱遥感图像分割的Matlab实现，并采用matlab GUI界面实现，效果不错。 3、适用于计算机，电子信息工程，电子信息科学与技术等专业的大学生毕业设计。

这是论文“PCA based Edge-preserving Features for Hyperspectral Image Classification, IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(12), 7140-7151.”的代码，更多细节可以在论文中找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载 libsvm-3.22。 libsvm-3.22 可在https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 获得

hsi matlab代码TGRS，2021年，具有针对高光谱图像分类的注意光谱先验的多方向网络。 ，，，Yuchao Xiao和。 纸张代码： 图1：我们建议的MSI-ASP用于HSI分类的框架。 它由四个部分组成：多方向样本构建，多流特征提取，具有注意光谱先验（ASP）的特征聚集和基于softmax的分类器。 相同的颜色表示具有相同操作的图层。 培训和测试过程 请首先运行“ generate_train_val_test_gt.m”以生成训练图和测试图。 然后，运行“ construct_multi_mat.py”以构造多方向样本。 最后，运行“ main_MDN_ASP.py”以在数据集上重现MDN-ASP结果。 训练样本分布和获得的分类图如下所示。 我们已经使用Matlab R2017b在Ubuntu 16.04和Windows系统上成功测试了它。 部分源代码来自和的工作。 图2：Indian Pines数据集的合成假彩色图像，地面真实情况，训练样本和分类图。 参考 如果您认为此代码有帮助，请引用： [1] B. Xi，J。Li，Y。Li，R。Song，Y。Xiao，Y。Shi，

资源一号卫星数据集：ZY1E_AHSI_E110.81_N19.70_20210330_008107_L1A0000260750，欢迎有需要的朋友下载，已上传百度云，如失效可联系。

拉曼数据搜索和存储（RDSS）软件是一种分析工具，可通过将未知矿物的光谱与索引数据库进行比较来快速，准确地识别未知矿物。 实施了搜索功能，以使用户能够找到特定的峰值。 使用星号（*）作为一个或多个未知峰值的占位符，软件将返回最佳匹配项。 除了通过拉曼谱带位置的搜索实用程序（在拉曼光谱的解释中被证明是无价的）之外，RDSS软件还使用户能够快速有效地显示和检查拉曼光谱。 用户可以放大拉曼光谱，在任何方向上移动波数和强度轴，如果单击频谱显示的任何部分，该区域将被突出显示并返回特定的波数。 还提供了数据库中存储的每个样本条目的照片。

水疗中心 用于查看Thermo Scientific Nicolet FTIR光谱仪文件（.spa）的简单C＃GUI应用程序。 目前已在Nicolet Summit Pro的文件上进行了测试，其他频谱可能需要摆弄文件读取（SpaFile.cs）。 用法 设置文件关联以使用程序打开.spa文件，或仅运行可执行文件。 从“ File > Open...打开新光谱，然后使用“ Spectra > Clear all spectra清除当前Spectra > Clear all spectra 。 从“ Spectra菜单打开和关闭特定光谱。 编译指令 我猜想用Visual Studio编译解决方案。 去做： 根据单个wn或范围读取峰强度 隐藏，偏移和重置的键盘快捷键 从.spa文件中提取的其他信息 峰采摘和叠加 缩放和缩放 根据波数提出振动 未来的东西： 功能标签 库读数，覆盖参考光谱 图书

1、CES99_1nm 2、cies026 3、ciexyz31 4、ciexyz64 5、cri_test_colours 6、reference_illuminants

全局频谱反卷积 全局光谱解卷积+峰优化器 gsd使用的算法是搜索拐点以确定峰的位置，并且峰的宽度在2个拐点之间。 GSD的结果产生一个包含{x，y和width}的对象数组。 但是，此宽度基于拐点，并且可能与“ fwhm”（全宽一半最大值）不同。 第二种算法（ optimizePeaks ）将宽度优化为FWHM以匹配原始峰。 因此，优化后的宽度始终为FWHM，无论使用哪个函数。 参数 minMaxRatio = 0.00025（0-1） 根据给定峰的相对高度与最高峰的比较来确定是否应将给定峰视为噪声的阈值。 broadRatio = 0.00（0-1） 如果broadRatio大于0，则所有二阶导数小于broadRatio * maxAbsSecondDerivative的峰都将被标记为true的软掩码。 noiseLevel = 0（-inf，inf） 频谱单位的噪声阈值 max

一段用于光谱分析波段选择的无信息变量消除算法matlab代码。