USB2000采集 从连接到Raspberry Pi的Ocean Optics USB 2000采集光谱数据 ＃设置 必须使用对Raspberry Pi进行升级，以便导入正确的模块。 #Limitations仅与Python 2兼容（出于某些原因）

包含常用的高光谱数据集，IndianPines,Paviau,salinas,Simu

该应用程序允许打开，绘制，导航和处理ASCII和matlab格式的光谱数据。 数据可以包含一个或多个光谱，但是第一列必须与频率/波长/波数相对应，其余的必须与要分析的光谱相对应。 数据最好没有标题，但是可以使用App中的“导入向导”加载带有标题的数据。 该程序是专门为处理傅立叶变换红外吸收光谱而设计的。 光谱的预处理包括简单的基线校正和数据切割。 后处理包括：傅里叶自反卷积，傅里叶导数（不带相位校正），傅里叶平滑，傅里叶反切趾和傅里叶插值。

多个遥感高光谱数据集，包括UC Merced Land-Use Data Set，220 Band AVIRIS Hyperspectral Image Data Set等，网盘下载，总大小2.08G

针对煤炭原始近红外光谱数据中存在噪声的问题,提出了基于De-SNV与小波阈值去噪组合的煤炭近红外光谱数据预处理方法。采用缺省软阈值法进一步对经过Savitzky-Golay平滑和De-SNV处理的光谱数据去噪,并分别建立了水分、灰分和挥发分的PLS校正模型,通过分析模型的预测性能对该方法的有效性进行评估。实验结果表明,经过该方法预处理的光谱数据所对应的PLS校正模型性能明显优于使用原始光谱数据所建立的PLS校正模型,水分、灰分和挥发分的PLS校正模型的预测均方根误差分别降低至0.007 07,0.040 8,0.008 66,决定系数分别提高至0.858 7,0.743 8,0.778 5。

从高光谱数据中学习 此处提供的代码基于我编写的用于完成练习的代码，可在此处找到。 一旦实现并测试了解决方案，我便扩展了自动编码器和softmax分类器，以处理高光谱数据。 但是，当前的解决方案并不优于现有技术。 上图显示了基本事实 上图显示了分类结果。 上图显示了隐藏层的可视化 上面的这些图显示了两个光谱带。

注意： 此代码按原样提供，可能存在错误，有时可能无法正常工作，因此请谨慎使用。 如果遇到任何问题，请先阅读下面的说明，然后再阅读两个参考资料。 [parmin,resnom,res,exitflag]= fit2voigt(dat,par0) 此代码执行以下操作：如果您提供两列光谱数据（第一列是波数，第二列是吸光度）数据和初始峰参数 par0，它将为您提供优化的 voigt 线形参数 parmin，以及拟合和拟合质量信息. 它使用 Sanjar Abrarov 的 Voigt/复杂错误函数（文件 ID：#47801）。 您需要下载代码，并将其放在与这些文件相同的文件夹下。 包括分析雅可比。 还包括测试数据。 您可以通过运行 voigtfit_test m.file 进行测试 参考： RJ Wells，Voigt/Faddeeva 函数及其导数的快速逼近，JQSRT 62(1999)，2

光谱数据预处理 超级全 都可以用 自己用的

用于高光谱图像处理实验等，经典的HSI高光谱数据，MATLAB数据格式

颜色科学中使用的光源D65数据，matlab用