该软件包提供了用于频谱总变化（STV）降噪算法[1]的MATLAB代码，这是一种用于高光谱图像的新降噪算法，可从观测到的数据中估计整个频谱轴上的噪声水平。 STV去噪算法的命令是 out_stv = 光谱电视（hyper_noisy，选择）； 其中 hyper_noisy 是输入图像， opts 是参数。 输入图像应该是 3-D 噪声图像（高光谱图像或视频）。 此外，在编写命令之前，需要将 opts.beta 设置为 [1 1 0.1]。 输出图像存储为 out_stv.f。 有关详细信息，请参阅随附的用户指南。 如需更多信息和引文，请参阅： [1] Chien-Sheng Liao、Joon Hee Choi、Delong Zhang、Stanley H. Chan 和 Ji-Xin Cheng，“通过总变异最小化对受激拉曼光谱图像进行降噪”，物理化学杂志 C，2015 年 7 月

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。

关于用SOM算法进行高光谱遥感图像分类的问题-hyperspectraldataopen.m 小弟想要基于这个基本的SOM算法对.lan格式的这个数据进行分类，数据维数较高（220维），还望各位不吝赐教啊！

关于用SOM算法进行高光谱遥感图像分类的问题-92av3gt.rar 小弟想要基于这个基本的SOM算法对.lan格式的这个数据进行分类，数据维数较高（220维），还望各位不吝赐教啊！

Python 光谱脚本 Python 是一种非常方便的语言，用于编写脚本、绘图、操作数据、读取和写入文件。 我在这里分享我为个人使用（主要用于光谱学）而编写的脚本，这些脚本可能对其他人有用。 其中一些可以处理 ASCII 或 FITS 数据，所以如果你想在 FITS 文件上使用它们，你需要安装 PyFITS。 plotSpec.py 这可以绘制包含在 FITS 文件或 ASCII 表中的光谱。 它很方便，因为它可以同时绘制来自不同格式的多个光谱。 有关颜色、径向速度校正和文件开头的阅读格式的更多详细信息。 前任： ./plotSpec.py spectrum.fits spectrum_deg.fits -label0=original -label1=degraded 或者： ./plotSpec.py arcturus.fits[2] seehead.py 显示 FITS

摘要：本文选用CCD探测器采集光谱信号，然后由PXI采集卡传输数据与PC机通讯，并使用LabVIEW编写测试程序，实现对光谱仪的光谱数据处理、采集、分析、显示等功能。 　　本文引入了新兴的虚拟仪器技术，设计了一个基于LabVIEW的光谱分析及数据采集系统，通过软件编写再次对采集到的信号进行了滤波处理，增加了增益调整功能；采用二乘法实现了对系统的波长标定，并实现了光谱曲线的峰值寻找功能，且与传统的线性定标法进行对比，进一步改善了测量精度。通过实验结果表明，可以用所做的光谱分析系统分辨出汞灯光谱的特性谱线，达到光谱分析的目的。 　　1.引言 　　随着科学技术的发展和光谱分析系统的广泛研究，人

嵌入式高光谱数据库的开发及目标分类应

原子吸收光谱仪基本原理与分析技术(中文的)

基于SVM对高光谱图像进行分类MATLAB仿真

用卷积滤波器matlab代码deephyp：针对高光谱的深度学习 用于训练和使用高光谱数据的无监督自动编码器和有监督深度学习分类器的工具。 可用文档。 源代码可在上找到。 自动编码器是无监督的神经网络，可用于一系列应用，例如无监督的特征学习和降维。 可以在带标签的数据上训练有监督的深度学习分类器，以预测光谱的类别。 该存储库提供了一个名为deephyp的基于python的工具箱，其中包含针对高光谱数据而构建，训练和测试密集和卷积自动编码器以及分类神经网络的示例。 网络易于设置，并且可以使用不同的体系结构进行自定义。 也可以采用不同的培训方法。 该工具箱基于tensorflow构建。 如果您在研究中使用工具箱，请引用：本文介绍了用于训练自动编码器的光谱角（SA），光谱信息散度（SID）和平方和误差（SSE）损失函数。 如果您在研究中使用余弦谱角（CSA）损失函数，请引用： 如果您在研究中使用分类网络，请引用： 安装 可以使用pip从命令行安装工具箱的： pip install deephyp 可以使用以下方法安装依赖项： pip install -r requirements.txt 导