比较传统的一种区分校正集和验证集的方法，适合新手

包含基本所有的高光谱数据处理，包括：高光谱格式转换，高光谱数据增强（旋转、拼接，缩放），高光谱空间-光谱剪切，高光谱数据归一化，高光谱数据显示等等，都是matlab代码，拿来就可以用，写有注释，简单易懂；研究高光谱方向的同学不要错过，我也是苦于网上没有系统的高光谱处理代码，遂总结此篇让后面的同学少走弯路。

内容：常用高光谱分类数据集，包括常用的Indian pines\KSC\Purdue\DC\HOUSTON\Botswana\Salinas等，基本上写论文是够用的公开数据集； 使用方法：格式全部为mat格式，可以在Python和Matlab上使用； 使用建议：建议使用不同传感器的数据集来验证自己分类方法的有效性。

Matlab 根据光谱数据生成k值、三刺激值、Lab、RGB等数据

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

在遥感数据处理研究中，高维高光谱数据的冗余信息和噪声严重影响高光谱数据的分类精度，针对此问题提出基于互信息波段选择和经验模态分解的高精度高光谱数据分类算法(MI-EMD-SVM)。分别采用基于互信息波段选择方法和经验模态分解实现对高光谱数据的冗余信息处理和特征提取，并获得处理后的高光谱数据X″。采用支持向量机分类算法对处理后的高光谱数据X″进行分类实验。仿真实验结果证实MI-EMD-SVM算法不仅提高高光谱数据分类精度，同时还减少支持向量数目，提高高光谱数据分类速度。

高光谱图像分类，利用CNN，里面有全套的流程，包括数据处理，样本生成，测试，精度评价。

可以对光谱数据进行预处理，除了偏最小二乘法之外，也有一些其他方法

hdr格式高光谱图像matlab读取与显示，含数据集

Spectral-SpecPro 有助于处理光谱数据。 光谱采用 Jasco 仪器产生的文件（紫外可见吸光度、荧光、圆二色性读数作为波长、温度或时间的函数），并促进基本操作，如单位转换（CD 光谱）、转换为 CDPro 采用的格式（二级结构估计；CD 光谱）、散射校正（吸光度光谱）、平滑、x 轴重新采样以及多条曲线的通用组合（总和、乘积、平均值、标准偏差）。 Spectral-SpecPro 基于 Stephen R Martin 编写的早期软件（MRC-NIMR London NW7 和 Francis Crick Institute London NW1）。