高光谱数据集

转载自:https://haoji007.blog.csdn.net/article/details/112864545

高光谱遥感是将成像技术和光谱技术相结合的多维信息获取技术,可以同时获取目标的二维空间信息与第三维的光谱信息,得到高光谱分辨率的连续、窄波段图像数据。

高光谱图像与高分辨率、多光谱图像相比优势在于:它光谱分辨率高,波段众多,能获取地物几乎连续的光谱特征曲线,并可根据需要选择或提取特定波段来突出目标特征;定量化的连续光谱曲线数据为地物光谱机理模型引入图像分类提供了条件;它包含丰富的辐射、空间和光谱信息,是多种信息的综合载体。高光谱图像在地物制图、资源勘探等领域得到了广泛使用。

本期为大家推荐高光谱遥感的16个数据集,包括

雄安新区(马蹄湾村)航空高光谱遥感影像分类数据集、Washington DC数据、Urban数据、Pavia University和 Pavia Center数据、Houston数据、Eagle_reize数据、BerlinUrbGrad2009数据、HyRANK数据、Indian Pine数据、Salinas Valley数据、DFC2018 Houston数据、航空高光谱影像 Chikusei、KSC数据集、Cuprite数据、Botswana数据和The River Data Set。

  1. 雄安新区航空高光谱遥感影像分类数据集

雄安(马蹄湾村)数据集是由中国科学院上海技术物理研究所研制的高分专项航空系统全谱段多模态成像光谱仪采集,光谱范围为400-1000 nm,波段数为250个,影像大小为3750*1580。地物类别共计19类,包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻、水体、柳树、复叶槭、栾树、桃树、玉米、梨树、荷叶、建筑。

下载地址:

http://www.hrs-cas.com/a/share/shujuchanpin/2019/0501/1049.html

  1. Washington DC数据

WashingtonDC数据是由Hydice传感器获取的一幅航空高光谱影像,数据包含了从 0.4-2.4 µm可见光和近红外波段范围的共191个波段,数据大小为1208*307。地物类别包括屋顶,街道,铺碎石的路,草地,树木,水和阴影。

下载地址:

https://engineering.purdue.edu/~biehl/MultiSpec/hyperspectral.html

  1. Urban数据

Urban数据通常被用于高光谱图像混合像元分解。它由Hydice传感器获取,图像大小为307*307。原始数据有210个波段,在去除噪音和水吸收波段后,一般留下162个波段做后续处理与分析。地物类别包含道路,屋顶,草地和树木。

下载地址:

https://sites.google.com/site/feiyunzhuhomepage/datasets-ground-truths

  1. Pavia University和 Pavia Center数据

Pavia University 和 Pavia Center 数据由ROSIS传感器获取,常被用于高光谱图像分类。传感器一共有115个波段,经过处理后,Pavia University数据有103个波段;Pavia Center 数据有102个波段。两幅影像都有9个地物类别,这两幅影像的类别不完全一致。其中,Pavia University的大小为610340,Pavia Center的大小是1096715,详细信息如下图所示。

下载地址:

http://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes#Pavia_University_scene

  1. Houston数据

Houston数据由ITRES CASI-1500传感器获取,由2013 IEEE GRSS数据融合大赛提供。数据大小为349*1905,包含光谱范围从364 nm到1046 nm的144个波段。地物覆盖被标注为如下图所示的15个类别。

(C. Debes, A. Merentitis, R. Heremans, J. Hahn, N. Frangiadakis,T. van Kasteren, W. Liao, R. Bellens, A. Piˇzurica, and S. Gautama,“Hyperspectral and lidar data fusion: Outcome of the 2013 grss datafusion contest,” IEEE J. Sel. Topics Appl. Earth Observ. Remote Sens.,vol. 7, no. 6, pp. 2405–2418, Mar. 2014)

申请地址:

http://www.grss-ieee.org/community/technical-committees/data-fusion/2013-ieee-grss-data-fusion-contest/

  1. Eagle_reize数据

Eagle_reize数据由SPECIM AsiaEAGLE II传感器获取。数据大小为2082*1606,包含光谱范围从401 nm到999 nm的252个波段。所提供的训练样本包含10种地物类别。因为此数据有配套的Lidar数据,因此既可以被用于单独的高光谱图像分类,也可以被用于高光谱图像和Lidar图像融合。

(Pedram Ghamisi and Stuart Phinn, Fusion of LiDAR and Hyperspectral Data, Figshare, December 2015, https://dx.doi.org/10.6084/m9.figshare.2007723.v3)

下载地址:

https://figshare.com/articles/Main_zip/2007723/3

  1. BerlinUrbGrad 2009数据

Berlin-Urban-Gradient dataset 2009数据包含不同分辨率的HyMap高光谱影像和模拟的EnMap高光谱影像。真实的HyMap数据包含111个波段,其中空间分辨率为3.6 m的数据大小为68951803,空间分辨率为9 m的数据大小为2722732。此数据集不仅提供了分类参考,也提供端元参考,因此可用来做高光谱图像分类或者高光谱图像混合像元分解。

(Okujeni, Akpona; van der Linden, Sebastian; Hostert, Patrick (2016): Berlin-Urban-Gradient dataset 2009 - An EnMAP Preparatory Flight Campaign (Datasets). V. 1.2. GFZ Data Services. http://doi.org/10.5880/enmap.2016.00)

下载地址:

http://pmd.gfz-potsdam.de/enmap/showshort.php?id=escidoc:1480925

  1. HyRANK数据

HyRANK数据由Hyperion 传感器获取。包含两幅用于训练的高光谱图像和三幅用于测试的高光谱图像。五幅图像均有176个光谱波段,图像大小各不相同。所提供的训练样本包含14种地物类别。

(Karantzalos, Konstantinos, Karakizi, Christina, Kandylakis, Zacharias, & Antoniou, Georgia. (2018). HyRANK Hyperspectral Satellite Dataset I (Version v001) [Data set]. Zenodo. http://doi.org/10.5281/zenodo.1222202)

下载地址:

http://www2.isprs.org/commissions/comm3/wg4/HyRANK.html

  1. Indian Pine数据

Indian Pine 数据由 AVIRIS 传感器在印第安纳州拍摄。数据大小是145*145,有224个波段,其中有效波段200个。该数据一共有16个农作物类别。

下载地址:

http://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes

  1. Salinas Valley数据

Salinas 由 AVIRIS 传感器拍摄,拍摄地点是加州 Salinas Valley。数据的空间分辨率是3.7 m,大小是512*217。原始数据有224个波段,去除水汽吸收严重的波段后,还剩下204个波段。该数据包含了16个农作物类别。

下载地址:

http://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes

  1. DFC2018 Houston数据

DFC2018 Houston 是2018年IEEE GRSS Data Fusion 比赛所用的数据集。该数据由 University of Houston Dr. Saurabh Prasad 的实验室制作公开,是多传感器数据,包含了48个波段的高光谱数据(1 m),3波段的LiDAR数据(0.5 m),以及超高分辨率影像(0.05 m)。这个数据包含了20类地物。

使用这个数据前请联系 Dr. Saurabh Prasad。

下载地址:

http://hyperspectral.ee.uh.edu/?page_id=1075

  1. 航空高光谱影像 Chikusei

(N. Yokoya and A. Iwasaki, “Airborne hyperspectral data over Chikusei,” Space Appl. Lab., Univ. Tokyo, Japan, Tech. Rep. SAL-2016-05-27, May 2016.)

此航空高光谱数据由Headwall Hyperspec-VNIR-C传感器于日本筑西市(Chikusei)拍摄,拍摄时间为2014年7月29日。该数据包含了128个波段,范围是343-1018 nm,大小是2517*2335,空间分辨率是2.5 m。共有19类地物,包含城市与农村地区。该数据由东京大学 Dr. Naoto Yokoya 与 Prof. Akira Iwasaki 制作公开。

下载地址:

https://naotoyokoya.com/Download.html

  1. KSC数据集

KSC数据由 AVIRIS 传感器在佛罗里达州肯尼迪太空中心于1996年3月23日拍摄。该数据包含了224个波段,水汽噪声波段去除,空间分辨率是18 m,共有13个类别。

下载地址:

http://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes

  1. Cuprite数据

该数据集于1997年由机载可见红外成像光谱仪(Aviris)收集,覆盖了美国内华达州的Cuprite地区。原始图像有224个波段,波长从370-2480 nm,空间分辨率为20 m。

下载地址:

http://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes

  1. Botswana数据

该数据集源自美国宇航局EO-1卫星于2001-2004年在Botswana获得的一系列数据。EO-1上的传感器在242个波段获得了30 m像素分辨率的数据,覆盖波段为400-2500 nm并以10 nm为间隔。去除噪声波段后,其余145个波段作为候选特征包括:[10-55,82-97,102-119,134-164,187-220]。数据包括14个地物类别。

下载地址:

http://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes

  1. The River Data Set

“River”数据集的高光谱影像

该数据集包含两幅用于变化检测的高光谱影像,分别于2013年的5月3号和12月31号采集自中国江苏省的某河流地区,所用传感器为Earth Observing-1 (EO-1) Hyperion,其光谱范围为0.4-2.5 μm,光谱分辨率为10 nm,空间分辨率为30 m,共有242个光谱波段。数据集中的影像大小为463*241,去除噪声后有198个波段可用。影像中的主要变化类型是河道缩减。

下载地址:

https://pan.baidu.com/s/14ht8k5H-8ObzHJS6msYZjQ

你可能感兴趣的:(数据集)