常用的高光譜遙感影像數據集

• 前言
• 數據集
• • Indian Pines
  • Salinas
  • Pavia Centre and University
  • • Pavia Centre
    • Pavia University
  • Kennedy Space Center (KSC)
  • Botswana
• 下載鏈接

前言

博主最近在做基于卷積神經網絡的高光譜遙感影像分類的研究，所以簡要介紹一下常用的高光譜遙感影像數據集。

（1）什么是高光譜遙感？
高光譜分辨率遙感是用很窄而連續的光譜通道對地物持續遙感成像的技術。在可見光到短波紅外波段其光譜分辨率高達納米(nm)數量級，通常具有波段多的特點，光譜通道數多達數十甚至數百個以上，而且各光譜通道間往往是連續的，因此高光譜遙感又通常被稱為成像光譜遙感。

（2）高光譜遙感影像的特點

地物的分辨識別能力大大提高， 并且可以區別屬于同一種地物的不同類別，這在傳統的低光譜分辨率遙感中是不容易實現的。同時由于成像光譜的波段變窄,，可選擇的成像通道變多， 使得“異物同譜”與“同譜異物”的現象減少，只要波段的選擇與組合得恰當，一些地物光譜空間混淆的現象可以得到極大的控制，這無疑為進一步的分析提供了最為可靠的保證。

成像通道大大增加， 使得在處理不同應用的分析中，光譜的可選擇性變得靈活和多樣化， 這極大的增加了可以通過遙感手段進行分析的目標物的數量，如不同樹種的識別，不同礦物的識別，使遙感技術應用的范圍擴大。

由于光譜空間分辨率的提高， 使得原先不可進行的應用方向成為可能， 如生物物理化學參數的提取，在利用高光譜數據進行有關植被葉綠素a、木質素、纖維素等生化分析, 取得了較好的結果, 為遙感技術的應用提供了新的研究方向。

由遙感定性分析向定量或半定量的轉化成為可能，傳統成像遙感技術主要的應用是以定性化的分析為主，部分定量分析結果的精度并不理想， 這顯然是由于成像傳感器的光譜和空間分辨率、大氣和土壤背景的干擾等限制有關，高光譜分辨率成像遙感首先突破了光譜分辨率這一個限制， 在光譜空間很大程度上抑制了其它干擾因素的影響，這對于定量分析結果精度的提高有很大的幫助 [2] 。

數據集

Indian Pines

該場景是由AVIRIS傳感器在印第安納州西北部的印度松測試現場獲取的，由145×145像素和224個光譜反射帶組成，波長范圍為0.4-2.5 10 ^（-6）米。 此場景是較大場景的子集。 Indian Pines景觀包含三分之二的農業和三分之一的森林或其他天然多年生植物。 有兩條主要的雙車道高速公路，一條鐵路線，以及一些低密度房屋，其他建筑物和較小的道路。 由于場景是在6月拍攝的，因此目前的一些農作物（玉米，大豆）處于生長的初期，覆蓋率不足5％。 現有的地面真理被劃分為十六個等級，并且并不都是相互排斥的。 通過刪除覆蓋吸水區域的波段，也將波段的數量減少到200個：[104-108]，[150-163]，220。
樣本影像：

Ground truth：

具體類別如下：

Salinas

該場景由加利福尼亞州薩利納斯山谷上空的224波段AVIRIS傳感器捕獲，具有高空間分辨率（3.7米像素）的特征。 覆蓋區域包括512行乘217個樣本。 與Indian Pines場景一樣，我們丟棄了20個吸水波段，在這種情況下為[108-112]，[154-167]，224。此圖像僅作為傳感器輻射度數據可用。 它包括蔬菜，裸露的土壤和葡萄園。 Salinas ground truth包含16個類。
樣本影像：

Ground truth：

具體類別如下：

Pavia Centre and University

這是ROSIS傳感器在意大利北部帕維亞上空進行的一次飛行比賽中獲得的兩個場景。 Pavia Centre（帕維亞中心）的光譜帶數量為102，Pavia University（帕維亞大學）的光譜帶數量為103。 Pavia Center是1096 * 1096像素的圖像，而Pavia University是610 * 610像素，但是兩個圖像中的某些樣本均不包含任何信息，必須在分析之前將其丟棄。 幾何分辨率為1.3米。 兩種圖像ground truth分別區分為9類。
注：黑色條帶可視為丟失

Pavia Centre

樣本影像

ground truth

具體類別

Pavia University

樣本影像

ground truth

具體類別

Kennedy Space Center (KSC)

NASA AVIRIS（機載可見/紅外成像光譜儀）儀器于1996年3月23日在佛羅里達州肯尼迪航天中心（KSC）上采集了數據。AVIRIS采集了224個10 nm寬度的波段，中心波長為400-2500 nm。從大約20 km的高度獲取的KSC數據的空間分辨率為18 m。去除吸水率和低SNR頻段后，將176個頻段用于分析。使用由肯尼迪航天中心提供的彩色紅外照相和Landsat Thematic Mapper（TM）影像提供的土地覆蓋圖選擇訓練數據。植被分類方案是由KSC人員開發的，旨在定義在Landsat和這些AVIRIS數據的空間分辨率下可辨別的功能類型。由于某些植被類型的光譜特征相似，因此很難區分這種環境下的土地覆蓋。出于分類的目的，為該站點定義了13個類別，代表了在此環境中發生的各種土地覆蓋類型。

Botswana

NASA EO-1衛星于2001-2004年在Botswana（博茨瓦納）的Okavango三角洲獲得了一系列數據。 EO-1上的Hyperion傳感器在7.7 km的條帶上以242 km波段的30 km像素分辨率采集數據，覆蓋242 nm波段中10 nm窗口中的400-2500 nm部分。 UT太空研究中心對數據進行了預處理，以減輕不良探測器，探測器間失調和間歇性異常的影響。 去除了覆蓋吸水特征的未校準波段和噪聲波段，其余的145條波段被包括為候選特征：[10-55、82-97、102-119、134-164、187-220]。 這項研究中分析的數據是2001年5月31日獲得的，包括來自14個已確定類別的觀測值，這些類別代表了位于三角洲末端的季節性沼澤，偶發沼澤和干燥林地的土地覆蓋類型。

下載鏈接

（1）CSDN下載：
高光譜影像數據集——CSDN資源下載

（2）官網：
參考官網

希望能幫助到做高光譜遙感影像研究的朋友！

總結

以上是生活随笔為你收集整理的常用的高光谱遥感影像数据集（详细介绍+下载链接）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。