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

此内容包含高光谱遥感领域内 深度学习众多代码，包括1DCNN，2DCNN，3DCNN，等等各种神经网络模型代码，可以运行。欢迎大家相互学习！！！

像素级别分类.ipynb

高光谱遥感图像MATLAB工具箱 程序齐全 非常好用！！！