很实用的用于高光谱遥感图像分类Salinas数据集，欢迎下载

带标签的训练样本的有限且昂贵的可用性导致以基于数据增强的监督学习的形式定义高光谱分类任务的方法的发展。 但是，大多数方法只是隐式地利用各向同性邻域中的频谱空间信息，而不是显式指示各向异性或操纵邻域系统。 在本文中，我们应用导向模板来估计局部方向的同质区域，并利用更有价值的光谱空间环境。 通过使用最佳的导向模板匹配方法，我们提出了一种数据扩充和精炼方法，以改善带有有限标记样本的任何光谱空间分类器的性能。 实验表明，该方法对许多光谱空间分类器都非常有效。

使用一维FDTD和总场/散射场源，计算标准具板的透射和反射光谱。 施加完全吸收边界条件。 我参考了 UTEP Raymond Rumph 博士关于这些主题的精彩讲座。http://emlab.utep.edu/ee5390cem.htm

多视图光谱聚类算法 该存储库包含用于7种多视图光谱聚类算法（和单视图光谱聚类算法）的MATLAB代码，用于在我们的ICDM论文“”中进行比较。 一些算法的代码是从原始论文作者的网站上收集的，后来由我们修复和优化。 有关这些算法的详细信息，请参阅我们的论文（文件夹名称对应于本文中算法的缩写，即AASC，AWP，CoReg，MCGC，MVGL，RMSC和WMSC ）。 在这些文件夹中的每个文件夹中，都有一个用于算法的主文件xxx_main.m ，其中xxx是算法名称。 有关7种多视图光谱聚类算法和单视图光谱聚类（SC）算法的原始论文为： Huang等人，2012年。光谱聚类的亲和力聚合 Nie等人，2018年。通过自适应加权Procrustes进行多视图聚类 Kumar等人，2011年。共规化多视图光谱聚类 Zhan等人，2018年。多视图共识图聚类 Zhan等人，2017年。图学习用于多

高光谱遥感图像小目标探测方法研究，刘澍，邓喀中，高光谱遥感技术能够借助丰富的地物图像和光谱信息，反映目标地物与背景地物间的细微差异，非常有利于目标探测。本文分析了高光谱

高光谱遥感成像机理与成像光谱仪 中国科学院资料

这是Nicolet 公司的红外关谱数据处理软件,小巧,好用.

基于MCNN的_HSI_分类 文件 MCNN-CP：使用混合卷积和协方差合并的高光谱图像分类（TGARS 2021） MCNN-PS和Oct-MCNN-PS：使用混合3D八度音程和2D子像素卷积神经网络的高光谱图像分类（已提交TGARS） 1.环境设置 该代码已在配备Intel i7-9750H 2.6 GHz处理器，32 GB RAM和NVIDIA GTX1650图形卡，Python 3.6，tensorflow_gpu-1.14.0，Keras-2.2.4，CUDA 10.0， cuDNN 7.6。 请在运行此代码之前安装相关的库： pip install -r requirements.txt 2.下载日期集： IP：， UH： 上： SA：和 并将它们放入数据目录。 3.下载模型（加载模型）： 代码：caor 并将它们放到models目录中。 4.下载pretrai

随机非高斯或确定性信号中包含的信息远多于其自相关和幂所传达的信息光谱。 根据信号的高阶矩或累积量定义的高阶谱包含此附加信息。 高阶频谱分析 (HOSA) 工具箱为信号处理应用提供了全面的高阶频谱分析功能。 该工具箱是高级研究员和实践工程师以及新手的绝佳资源想要了解统计信号处理中的概念和算法的学生。 HOSA 工具箱是一个 M 文件的集合，这些文件实现了各种高级信号处理算法，用于估计交叉和自累积量（包括相关性）、光谱和近谱、双谱和双相干，以及时频计算分布。 基于这些，实现了参数和非参数盲系统识别、时延估计、谐波检索、相位耦合、到达方向估计、Volterra（非线性）模型的参数估计和自适应线性预测的算法。 还包括用于测试时间序列的高斯性和线性度的算法。 工具箱中包含完整的教程和演示集。

超级GAN 纸代码对抗网络的高光谱样本的现实合成。 如果您在工作中使用此代码，请引用以下内容。 @inproceedings{audebert_generative_2018, title = {Generative adversarial networks for realistic synthesis of hyperspectral samples}, booktitle = {2018 {IEEE} {International} {Geoscience} and {Remote} {Sensing} {Symposium} ({IGARSS})}, author = {Audebert, N. and Le Saux, B. and Lefèvre, S.}, month = jul, year = {2018} } 动机 高光谱成像