重要通知，我们的服务器正在维护中。 （2月7日14:30 KST〜2月8日17:00 KST）。 不便之处，敬请原谅。 KAIST多光谱行人检测基准 黄舜敏，Jaesik Park，Namil Kim，Yukyung Choi在RCV Lab的So Kweon中。 （KAIST）[] 我们开发了由彩色相机，热像仪和分束器组成的成像硬件，以捕获对齐的多光谱（RGB颜色+热像仪）图像。 使用此硬件，我们可以在白天和晚上捕获各种常规交通场景，以考虑光照条件的变化。 KAIST多光谱行人数据集包含从车辆中提取的95k色热对（640x480，20Hz）。 手动注释所有对（人，人，骑自行车的人），总计103,128个密集注释和1,182个唯一的行人。 注释包括边界框（如Caltech Pedestrian Dataset）之间的时间对应关系。 更多信息，请参见我们的CVPR 2015 [] [

多光谱无人机与GIS应用入门简介，课程培训ppt，适合行业人士参考，2020年版本，另外还有课程视频

基于IDL语言，进行多光谱数据的大气校正，选用FLAASH模型

飞机机体及其羽流的红外光谱辐射特性，可以为探测、跟踪系统的谱段选择提供依据。准确的光谱辐射特性有利于提高系统探测和跟踪的能力。对飞机的红外辐射光谱特性进行了外场测量研究。建立和分析了辐射传输模型，设计了一个多谱段、滤光片分光的中波红外多光谱成像仪，采用了640 pixel×512 pixel的中波面阵探测器，响应波长范围覆盖3.7~4.8 μm，并对其噪声性能进行了评估。实际选取了民航飞机进行实验测量，获取了机体及羽流在4个谱段上的光谱辐射特性。与传统的方法相比，获得了更真实的飞机红外辐射光谱特性。

高光谱与多光谱数据融合，逯祎，，多传感器的遥感数据融合在城市规划，土地利用、军事侦察等方面有着广阔的应用前景。本文主要针对高光谱图像空间分辨率不高的缺点

此软件版本包含论文中描述的算法的实现： BK Shreyamsha Kumar，“使用交叉双边滤波器基于像素重要性的图像融合”，信号、图像和视频处理，第 1-12 页，2013 年。(doi:10.1007/s11760-013-0556-9) 使用从使用交叉双边滤波器从源图像中提取的细节图像计算出的权重（边缘强度），通过加权平均融合源图像。 从下载原始手稿 http://link.springer.com/article/10.1007/s11760-013-0556-9 或者 http://dx.doi.org/10.1007/s11760-013-0556-9 从出版物链接中的https://sites.google.com/view/shreyamsha下载手稿草稿。

此软件版本包含论文中描述的算法的实现： BK Shreyamsha Kumar，“使用离散余弦谐波小波变换基于像素意义的多焦点和多光谱图像融合”，信号、图像和视频处理，2012 年。（doi：10.1007/s11760-012-0361-x） 从http://link.springer.com/article/10.1007/s11760-012-0361-x下载原稿 从出版物链接中的https://sites.google.com/view/shreyamsha下载手稿草稿。

matlab开发-多光谱图像的多变量图像分析指南。用于多光谱图像数据集（PCA、Simplisma、MCR、分类）的MIA的GUI。

研究基于最小二乘小波孪生支持向量机(least squares wavelet twin support vector machines，简称 LS-WTSVM)的遥感多光谱影像云检测．首先根据云在不同波段中大气的辐射特点，结合Landsat7 ETM+影像数据的光谱特性获得云像元的光谱特征，再通过提取每个图像块的灰度共生矩阵得到相应像元的纹理结构特征，根据像元的光谱特性和纹理结构特征构造特征向量，最后利用最小二乘小波孪生支持向量机多分类算法进行Landsat7 ETM+影像像元的云检测，实现不同类型云区

针对多光谱图像的空谱相关特性,提出一种基于卷积神经网络的端到端多光谱图像压缩方法。编码端,将多光谱数据整体输入到多光谱图像压缩网络中,采用卷积提取多光谱图像的主要光谱特征与空间特征,使用下采样减小特征数据的尺寸,并通过率失真优化控制光谱特征与空间特征数据的熵,使空谱特征数据分布更加紧凑,将量化后的中间特征数据进行无损熵编码得到压缩码流。解码端,码流经过熵解码、逆量化、上采样、反卷积的逆变换过程重构多光谱图像。实验结果表明,相同码率下该方法能有效保留多光谱图像谱间信息,并在图像恢复质量上比JPEG2000平均高约2 dB。