常用的高光譜遙感影像數(shù)據(jù)集

• 前言
• 數(shù)據(jù)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(jīng)網(wǎng)絡(luò)的高光譜遙感影像分類(lèi)的研究，所以簡(jiǎn)要介紹一下常用的高光譜遙感影像數(shù)據(jù)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(xù)的光譜通道對(duì)地物持續(xù)遙感成像的技術(shù)。在可見(jiàn)光到短波紅外波段其光譜分辨率高達(dá)納米(nm)數(shù)量級(jí)，通常具有波段多的特點(diǎn)，光譜通道數(shù)多達(dá)數(shù)十甚至數(shù)百個(gè)以上，而且各光譜通道間往往是連續(xù)的，因此高光譜遙感又通常被稱(chēng)為成像光譜遙感。

（2）高光譜遙感影像的特點(diǎn)

地物的分辨識(shí)別能力大大提高， 并且可以區(qū)別屬于同一種地物的不同類(lèi)別，這在傳統(tǒng)的低光譜分辨率遙感中是不容易實(shí)現(xiàn)的。同時(shí)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(xiàn)象減少，只要波段的選擇與組合得恰當(dāng)，一些地物光譜空間混淆的現(xiàn)象可以得到極大的控制，這無(wú)疑為進(jìn)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(yīng)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(guò)遙感手段進(jìn)行分析的目標(biāo)物的數(shù)量，如不同樹(shù)種的識(shí)別，不同礦物的識(shí)別，使遙感技術(shù)應(yīng)用的范圍擴(kuò)大。

由于光譜空間分辨率的提高， 使得原先不可進(jìn)行的應(yīng)用方向成為可能， 如生物物理化學(xué)參數(shù)的提取，在利用高光譜數(shù)據(jù)進(jìn)行有關(guān)植被葉綠素a、木質(zhì)素、纖維素等生化分析, 取得了較好的結(jié)果, 為遙感技術(shù)的應(yīng)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(zhuǎn)化成為可能，傳統(tǒng)成像遙感技術(shù)主要的應(yīng)用是以定性化的分析為主，部分定量分析結(jié)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(guān)，高光譜分辨率成像遙感首先突破了光譜分辨率這一個(gè)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(duì)于定量分析結(jié)果精度的提高有很大的幫助 [2] 。

數(shù)據(jù)集

Indian Pines

該場(chǎng)景是由AVIRIS傳感器在印第安納州西北部的印度松測(cè)試現(xiàn)場(chǎng)獲取的，由145×145像素和224個(gè)光譜反射帶組成，波長(zhǎng)范圍為0.4-2.5 10 ^（-6）米。 此場(chǎng)景是較大場(chǎng)景的子集。 Indian Pines景觀包含三分之二的農(nóng)業(yè)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(chē)道高速公路，一條鐵路線(xiàn)，以及一些低密度房屋，其他建筑物和較小的道路。 由于場(chǎng)景是在6月拍攝的，因此目前的一些農(nóng)作物（玉米，大豆）處于生長(zhǎng)的初期，覆蓋率不足5％。 現(xiàn)有的地面真理被劃分為十六個(gè)等級(jí)，并且并不都是相互排斥的。 通過(guò)刪除覆蓋吸水區(qū)域的波段，也將波段的數(shù)量減少到200個(gè)：[104-108]，[150-163]，220。
樣本影像：

Ground truth：

具體類(lèi)別如下：

Salinas

該場(chǎng)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(qū)域包括512行乘217個(gè)樣本。 與Indian Pines場(chǎng)景一樣，我們丟棄了20個(gè)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(shù)據(jù)可用。 它包括蔬菜，裸露的土壤和葡萄園。 Salinas ground truth包含16個(gè)類(lèi)。
樣本影像：

Ground truth：

具體類(lèi)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(jìn)行的一次飛行比賽中獲得的兩個(gè)場(chǎng)景。 Pavia Centre（帕維亞中心）的光譜帶數(shù)量為102，Pavia University（帕維亞大學(xué)）的光譜帶數(shù)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(gè)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(qū)分為9類(lèi)。
注：黑色條帶可視為丟失

Pavia Centre

樣本影像

ground truth

具體類(lèi)別

Pavia University

樣本影像

ground truth

具體類(lèi)別

Kennedy Space Center (KSC)

NASA AVIRIS（機(jī)載可見(jiàn)/紅外成像光譜儀）儀器于1996年3月23日在佛羅里達(dá)州肯尼迪航天中心（KSC）上采集了數(shù)據(jù)。AVIRIS采集了224個(gè)10 nm寬度的波段，中心波長(zhǎng)為400-2500 nm。從大約20 km的高度獲取的KSC數(shù)據(jù)的空間分辨率為18 m。去除吸水率和低SNR頻段后，將176個(gè)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(xùn)練數(shù)據(jù)。植被分類(lèi)方案是由KSC人員開(kāi)發(fā)的，旨在定義在Landsat和這些AVIRIS數(shù)據(jù)的空間分辨率下可辨別的功能類(lèi)型。由于某些植被類(lèi)型的光譜特征相似，因此很難區(qū)分這種環(huán)境下的土地覆蓋。出于分類(lèi)的目的，為該站點(diǎn)定義了13個(gè)類(lèi)別，代表了在此環(huán)境中發(fā)生的各種土地覆蓋類(lèi)型。

Botswana

NASA EO-1衛(wèi)星于2001-2004年在Botswana（博茨瓦納）的Okavango三角洲獲得了一系列數(shù)據(jù)。 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(shù)據(jù)，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(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，以減輕不良探測(cè)器，探測(cè)器間失調(diào)和間歇性異常的影響。 去除了覆蓋吸水特征的未校準(zhǔn)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(xiàng)研究中分析的數(shù)據(jù)是2001年5月31日獲得的，包括來(lái)自14個(gè)已確定類(lèi)別的觀測(cè)值，這些類(lèi)別代表了位于三角洲末端的季節(jié)性沼澤，偶發(fā)沼澤和干燥林地的土地覆蓋類(lèi)型。

下載鏈接

（1）CSDN下載：
高光譜影像數(shù)據(jù)集——CSDN資源下載

（2）官網(wǎng)：
參考官網(wǎng)

希望能幫助到做高光譜遙感影像研究的朋友！

總結(jié)

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?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。