分享的为高光谱异常探测合成数据集，120x120大小，主要用于高光谱图像的异常探测，需要的可以自行下载！如果使用，请参考文件中论文数据的描述，并引用，论文相关代码请在本人分享资源处下载！

高光谱图像中往往存在严重的条带噪声，与常见噪声具有很大不同，现有的去噪方法对其不能完全适用。利用平滑滤波思想结合传统的矩匹配方法，对传统的矩匹配条带去除方法进行改进，对HJ-1-A卫星高光谱图像进行实验、研究，利用多种图像质量评价标准，将算法去条带后图像与传统的和已有的改进算法去条带后图像进行对比、评价，找出去条带效果好、原始图像信息保留能力强、适应性强的改进的矩匹配方法来应用于高光谱图像条带噪声的去除。

基于非负字典学习高光谱图像超分辨.caj

通过非负低秩表示对高光谱图像进行半监督子空间聚类

使用局部二进制模式和马尔可夫随机场的空间光谱高光谱分类

提出了一种可作为高光谱分辨率激光雷达(HSRL)光谱鉴频器的双波长视场展宽迈克耳孙干涉仪(FWMI)的设计方法。详细阐述了双波长FWMI的设计原理,权衡考虑色散对于鉴频性能的影响。通过双波长视场展宽设计实现折射率补偿,从而使FWMI在355 nm和532 nm均有较大的接收视场。给出适用于355 nm和532 nm的双波长FWMI设计的具体参数,并对其进行性能评估和容差分析。评估结果表明,双波长FWMI拥有超过6°的接收视场角,在两个波长均有较为优异、稳定的性能表现,对于加工和装配精度要求也并非苛刻。利用蒙特卡罗仿真对基于双波长FWMI的HSRL系统的光学参数的反演误差进行分析。分析结果表明,在532 nm,气溶胶后向散射系数和消光系数的反演误差分别为1.82%和11.39%,而在355 nm,二者分别为1.62%和2.95%。

针对高光谱图像特征利用不足和训练样本难以获取的问题,提出了一种具有多特征和改进堆栈稀疏自编码网络的高光谱图像分类算法。采用流形学习获得高光谱图像的低维数据结构,并提取高光谱图像的光谱特征、具有空间信息的局部二值模式(LBP)特征及拓展多属性剖面 (EMAP)特征。利用主动学习查询特征性强的未标记样本并将其标记,利用融合空谱联合信息的样本训练堆栈主动稀疏自编码神经网络并用Softmax分类器对其分类。Indian pines数据集的总体分类精度达到98.14%,Pavia U数据集总体分类精度达到97.24%。实验结果表明,该算法分类精度高,边界点分类效果更好。

变化向量分析结合光谱解混的高光谱变化检测

%Matlab读取envi图像img格式 用Matlab编了一段小程序。 %试验：Matlab读取ENVI标准图像（IMG+Hdr），并计算相关系数。

资源包括99.9%的常用的实验高光谱图像数据，全部是.mat文件，到手即用(数据集和标签都有，部分还有的图像)数据集包括:Indian pines，pavia university，pavia center,botswana,Houston_2013,Houston_2018,KSC,Salinas,xuzhou,xiongan，由于数据量过大，本资源提供百度云链接，请自行下载