高光谱解混数据集（Urban），matlab的mat格式文件，Urban是高光谱分离研究中使用最广泛的高光谱数据之一。有307 x 307像素，每个像素对应 一个2 x 2 平方米的区域。在该图像中，存在210nm波长，范围从400nm到2500nm，光谱分辨率10nm。在通道 1--4,76,87,101-111,136--153和198-210被移除后（由于密集的水蒸气和大气效应），仍保留162个通道

高光谱解混数据集（Samson），具有156个通道的Matlab 格式数据，原始数据有952x 952像素。每个像素记录在156个通道上，覆盖401nm 至889nm的波长。光谱分辨率高达3.13 nm。由于原始图像太大，这在计算成本方面非常昂贵，因此使用95×95像素的区域。它从原始图像中的第（252,332）像素开始。此数据不会被空白通道或严重噪声通道降级。具体而言，该图像中有三个目标，分别是“＃1土壤”，“＃2树”和“＃3水”。

高光谱解混数据集（Japser Ridge），matlab的mat文件。原始数据有512 x 614 个像素。每个像素记录在范围从380nm到2500nm的224个通道中。光谱分辨率高达9.46nm。由于这个高光谱图像太复杂而无法得到基本事实，因此我们考虑100 x 100像素的子图像。第一像素从原始图像中的第（105,269）像素开始。在移除通道1--3,108-112,154-166和220-224后（由于密集的水蒸气和大气效应），我们保留了198个通道（这是HU分析的常见预处理）。

Cuprite（矿区图）是高光谱解混研究的最基准数据集，涵盖美国内华达州拉斯维加斯的Cuprite矿区，原始数据有224个波段，从370nm至2480nm。在移除有噪声的通道（1--2和221-224）和吸水通道（104-113和148-167）后，仍然有188个通道。250×190个像素的区域被认为存在14种矿物。由于类似矿物的变体之间存在细微差别，最终确定为12名成员，总结如下"#1 Alunite", "#2 Andradite", "#3 Buddingtonite", "#4 Dumortierite", "#5 Kaolinite1", "#6 Kaolinite2", "#7 Muscovite", "#8 Montmorillonite", "#9 Nontronite", "#10 Pyrope", "#11 Sphene", "#12 Chalcedony".

包含预处理算法，特征选择算法-随机蛙跳-等，回归分析方法

matlab代码，用于高光谱、多光谱数据重采样，内容清晰

高光谱端元提取算法PPI，matlab编写。内有参数注释。可供高光谱图像解混学习提供帮助。高光谱端元提取算法PPI，matlab编写。内有参数注释。可供高光谱图像解混学习提供帮助

进行高光谱图像处理时的降维程序，修改文件中的读入参数名称即可使用。

使用SVM代码对AVIRIS_Indiana_16class高光谱数据集进行分类

Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明，Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明Indian_pinesMATLAB格式的高光谱数据集和地面验证数据和数据说明