为了大家更好学习高光谱编程，讲一些常用的高光谱数据集上传，仅仅针对MATLAB用户，直接load就能使用。

光谱Python（SPy） 光谱Python（SPy）是用于处理高光谱图像数据（成像光谱数据）的纯Python模块。 它具有读取，显示，操作和分类高光谱图像的功能。 有关该程序包的完整详细信息，请参见。 安装说明 最新版本始终托管在，因此，如果已安装pip，则可以从命令行使用以下命令安装SPy： pip install spectral 打包的发行版也托管在和因此您可以下载并解压缩最新的zip / tarball，然后输入 python setup.py install 要安装最新的开发版本，请下载或克隆git存储库并按上述进行安装。 不需要显式安装，因此您可以简单地访问（或符号链接）源树中的光谱模块。 最后，可在官方找到有关如何通过流行的conda软件包和环境管理系统进行安装的最新指南。 单元测试 若要运行单元测试套件，必须安装numpy，并且必须将示例数据文件下载到当前目录（

与雷达技术走不同的道路，从光谱学建立一套分析、解译、识别的技术方法

高光谱图像分离matlab代码Endmember-Guided Unmixing Network (EGU-Net)：一种用于自监督高光谱解混的通用深度学习框架 , , , , , , 此工具箱中的代码实现了 . 更具体地说，详述如下。 引文 如果此代码对您的研究有用且有帮助，请引用论文。 洪丹峰、高连如、姚静、横谷直人、乔斯林·查努索特、乌塔·海登、张冰。 Endmember-Guided Unmixing Network (EGU-Net): A General Deep Learning Framework for Self-Supervised Hyperspectral Unmixing, IEEE Transactions on Neural Networks and Learning Systems, 2021, DOI: 10.1109/TNNLS.2021.3082289. @article{hong2021endmember, title = {Endmember-Guided Unmixing Network (EGU-Net): A General Deep L

高光谱图像分离matlab代码深度生成端元建模：无监督光谱解混的应用 这个包包含作者对论文 [1] 的实现。 为了解决光谱分离中的端元可变性，端元光谱使用深度生成模型 (VAE) 建模，该模型从观察到的高光谱图像中学习。 这使我们能够使用生成模型的低维潜在空间中的点对可变端元进行参数化，然后可以与丰度同时优化以解决分离问题。 代码在 MATLAB 中实现，包括： example1.m - 比较算法的演示脚本 (DC1) example2.m - 比较算法的演示脚本 (DC2) example3.m - 比较算法的演示脚本 (DC3) example4.m - 比较算法的演示脚本 (DC4) example_real1.m - 比较算法的演示脚本（休斯顿） example_real2.m - 比较算法的演示脚本 (Samson) example_real3.m - 比较算法的演示脚本（Jasper Ridge） ./DeepGUn/ - 包含与 DeepGUn 算法相关的 MATLAB 文件 ./python/ - 包含与 DeepGUn 算法相关的 Python 文件 ./other_

在Bagging支持向量机（SVM）的基础上，将动态分类器集选择技术用于SVM的集成学习，研究了SVM动态集成在高光谱遥感图像分类中的应用。结合高光谱数据特性，通过随机选取特征子空间和反馈学习改进了Bagging SVM方法；通过引进加性复合距离改善了K近邻局部空间的计算方法；通过将错分的训练样本添加到验证集增强了验证集样本的代表性。实验结果表明，与单个优化的SVM和其他常见的SVM集成方法相比，改进后的SVM动态集成分类精度最高，能有效地提高高光谱遥感图像的分类精度。

本专题的目的是向用户展示如何使用ENVI先进的高光谱工具对多光谱数据进行分析。要更好地理解高光谱处理的概念及其工具，请参见ENVI高光谱辅导指南。

Pavia University高光谱数据和地面验证数据，MATLAB版本

卷积神经网络代码Matlab 人工神经网络 使用空间光谱深度残差卷积神经网络（HSID-CNN）的用于高光谱图像降噪的Matlab演示代码，IEEE TGRS，2019。 By Qiang Zhang (whuqzhang@gmail.com) Wuhan University, China. 如果您在工作中使用/适应我们的代码（作为独立工具或任何算法的组成部分），请引用我们的论文。 Q. Yuan，Q. Zhang，J。Li，H。Shen和L. Zhang ，“使用空间光谱深度残差卷积神经网络进行高光谱图像降噪”， IEEE地理科学与遥感学报，第1卷。 57号2，第1205-1218页，2019年。 @ARTICLE{yuan2019, author={Q. {Yuan} and Q. {Zhang} and J. {Li} and H. {Shen} and L. {Zhang}}, journal={IEEE Trans. Geosci. Remote Sens.}, title={Hyperspectral Image Denoising Employing a Spatial

由于文件大小限制，上传一个mat格式的高光谱图像，直接用matlab中的load函数读取.