本次数据集是用于高光谱图像分类使用的indian影像数据集，该图像数据集是采用可见光与红外机载式成像光谱仪器（AVIRIS）获取的来自于印第安纳州西北部Indian Pines农业试验场的高光谱图像。用于遥感方向的研究使用。

高光谱 c++ 遥感影像 数据处理 光谱

本书分为九章，分别讲述高光谱遥感的理论基础、高光谱遥感成像机理和成像系统、高光谱数据定标与预处理、光谱分析模型与方法、高光谱图像分类与地物识别、混合光谱理论与光谱分解、多源信息辅助高光谱数据分析、高光谱数据处理与分析系统，最后概括地介绍了高光谱遥感在植被、生态环境、地址矿物、城市规划与调查等方面的应用。本书以主要的篇幅论述高光谱遥感科学、技术与信息处理了的共性理论与方法问题，在高光谱遥感的物理基础、成像机理、数据处理、信息分析、应用领域、甚至应用实例等方面都进行了较系统和全面的阐述与解析。

自己学习时编写的混合像元分解中的端元提取部分的顶点成分分析VCA的MATLAB代码，浅显易懂。可以运行得到结果，但没有结果用于验证，亦未编写精度评定，不保证结果的正确性。

首先利用PCA进行降维，并利用SVM对高光谱数据进行分类，数据采用印第安纳农场数据，训练样本比例可调，设计了一个GUI

利用稀疏字典表示、OMP算法进行高光谱图像分类，内含高光谱数据。

可以读取高光谱AIRS HDF分层遥感数据，并可以保存为文本，快捷方便

我班牛人用产生式算法（GDA）原理编写的Matlab代码，最后生成把地物分成200类后的图片，并且上色，很直观。

包含常用的几种高光谱数据，可以用于遥感图像分类。Washington DC Mal,Indian Pine等。ndian Pines 是最早的用于高光谱图像分类的测试数据，由机载可视红外成像光谱仪（AVIRIS）于 1992 年对美国印第安纳州一块印度松树进行成像，然后截取尺寸为 145×145 的大小进行标注作为高光谱图像分类测试用途。Pavia  University 数据是由德国的机载反射光学光谱成像仪（Reflective  Optics Spectrographic Imaging System，ROSIS-03）在 2003 年对意大利的帕维亚城所成的像的一部分高光谱数据。该光谱成像仪对 0.43-0.86μm 波长范围内的 115 个波段连续成像，所成图像的空间分辨率为 1.3m。其中 12 个波段由于受噪声影响被剔除，因此一般使用的是剩下 103 个光谱波段所成的图像。该数据的尺寸为 610×340，因此共包含2207400 个像素，但是其中包含大量的背景像素，包含地物的像素总共只有 42776 个，这些像素中共包含 9 类地物，包括树、沥青道路（Asphalt）、砖

高光谱图像数据集，包含Indian,Pavia。每类数据集里包含图像原始信息，以及相对应的ground truth。