常见的高光谱数据集-Botswana、HoustonU、Idian_pines、KSC、Pavia、Salinas、Xiong'an、Xuzhou，包含光谱数据以及标注信息，伪色彩图和标注图像，格式均为.mat格式。由于文件超过上传限制，所以使用是百度云盘。

高光谱目标检测的算法，高光谱遥感图像不仅包含了物体的空间信息，而且还包含了物体的光谱信息，其中的每个像素都包含一个近似连续的光谱曲线。高光谱图像中同一波段的所有像素可以形成二维图像，每个像素也包含一条光谱曲线，因此高光谱图像数据可视为三维数据，包含丰富的光谱信息。高光谱图像光谱分辨率较高，可以通过光谱特性区分不同地物的材质，可以解决许多原来利用全色图像、多光谱图像不能解决的问题，例如识别军事伪装，地下工事，进行资源探测，环境监测等，因此高光谱图像目标检测在军事和民用方面都有重要的应用价值。

brdf matlab代码==== 高光谱图像数据集的大数据分析。 激光雷达 Matlab 代码 可视化和分析 LiDAR 数据集的 Linux 替代方案 如需完整的文档，请访问 ATCOR 与 FLAASH 的比较 校正功能 ATCOR FLAASH 可变能见度 是 是 气溶胶类型检测 是 否 相邻效应 是 是 水汽回收 是 4) 是雾霾去除 是 否 卷云去除 是 否 云阴影去除 是 否光谱预览 是 否 飞行校准 是 否标准化到最低点查看（宽 FOV 图像） 是 否 物理观察者 BRDF 校正 是 否 光谱抛光 是 5) 是 5) 光谱校准 是 是 光谱微笑校正 是 否 经验线校正 否 是 (ENVI)

高光谱影像波段多，信息冗余 通过数据降维，可以： 简化和优化图像特征 减少数据量 提高运算效率

ASD地物高光谱数据，支持64位系统

Indian_pines_classification 运行环境 Anaconda 3.6.4 python=3.6.4 Keras=2.1.5 TensorFlow=1.3.0 作为keras后端 numpy=1.14.2 notebook=5.4.1 ipython=6.3.1 spectral=0.19 代码结构 dataset.ipynb 利用spectral工具包读取数据集,然后对数据集进行预处理,包括进行训练测试集分割 / 序列化和PCA变换,并将其以npy的格式保存到文件中.处理后的数据集保存在predata文件夹中. train.ipynb 利用keras构建卷积神经网络模型,读取与处理的数据集进行训练. 其中训练过程,使用随机梯度下降法SGD作为优化算法,使用多分类的对数损失函数categorical_crossentropy作为损失函数. 使用ReduceLROnPla

高光谱反射率转换步骤.doc

用ENVI拼接多个高光谱图像的若干波段.docx

2021珠海数据开放创新应用大赛-高光谱地物分类

详细介绍了高光谱遥感的基础和分析方法，是学习和考试的好资料 详细介绍了高光谱遥感的基础和分析方法，是学习和考试的好资料