与昂贵、不易获取的高光谱、高空间分辨率卫星数据相比，中等分辨率的多光谱卫星数据可以免费下载获取，例如：landsat数据、哨兵-2号数据、Aster数据、Modis数据等，这些海量的长时间对地观测数据，

相对于图像分类而言，不同的波长位置的波谱反射可能存在较多的信息重叠，一旦信息重叠度达到一定阈值就会降低分类精度和分类器效率(特别是具有几百个波段的高光谱图像)。

图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的

在机器学习领域中，我们对原始数据进行特征提取，有时会得到比较高维的特征向量。在这些向量所处的高维空间中，包含很多的冗余和噪声。我们希望通过降维的万式米寻找数据内部的特性，从而提升特征表达能力，降低训练复杂度。主成分分析(PrincipalComponentsAnalysis,PCA）作为降维中最经典的方法，至今已有100多年的历史,它属于一种线性、非监督、全局的降维算法。PCA旨在找到数据中的主成

1.数据下载地址：HyperspectralRemoteSensingScenes包含：Indianapines，PaviaUniversity，KSC，Salinas的mat文件以Indianapines为例：Indian_pines.mat、Indian_pines_gt.matBand:220pixel:145*145class:16类别：2.方法adaboost（基学习器：决策树）评价指标

常用的高光谱遥感影像数据集前言数据集IndianPinesSalinasPaviaCentreandUniversityPaviaCentrePaviaUniversityKennedySpaceCenter

与昂贵、不易获取的高光谱、高空间分辨率卫星数据相比，中等分辨率的多光谱卫星数据可以免费下载获取，例如：landsat数据、哨兵-2号数据、Aster数据、Modis数据等，这些海量的长时间对地观测数据，

SSR-NET:Spatial–SpectralReconstructionNetworkforHyperspectralandMultispectralImageFusion论文代码：点击我低空间分辨率高光谱图像

网页设计本周前端主要是对网页进行了些许的设计，另外设计了一个网页，两个网页之间通过超链接相连，第一个网页是对高光谱图像分类的一些介绍，第二个则是具体的操作界面前后端交互可以在服务器上成功调用训练好的模型来对上传的数据集进行处理

光谱去趋势的目的：消除传感器在获取数据时产生的偏移对后期计算产生的影响，将分析集中在数据趋势本身的波动上。去趋势：数据去趋势，就是对数据减去一条最优（最小二乘）的拟合直线、平面或曲面，使去趋势后的数据均值为零。操作步骤：1.长度为N的时间序列，计算其累积离差值并转换为新序列：2.将y(t)以等长度划分为不重叠的m个区间,n为区间长度，即时间尺度，m为区间数量，为N/n的整数部分;3.对每一段序列采

摘要高光谱图像变化检测可提供地球表面的时间维变化信息,对城乡规划和管理至关重要。因具有较高的光谱分辨率,高光谱图像常被用于检测更精细的变化。

SpectralFormer:RethinkingHyperspectralImageClassificationwithTransformers作者：DanfengHong,ZhuHan,JingYao,LianruGao,BingZhang,AntonioPlaza,andJocelynChanussot来源：2021IEEETRANSACTIONSONGEOSCIENCEANDREMOTES

paper:Spectral-SpatialAttentionNetworksforHyperspectralImageClassification空谱注意力网络应用于高光谱图像分类摘要：CNN、RNN

三、操作手册参考《ENVI遥感图像处理方法（第二版）》。图1ENVI遥感图像处理方法（第二版）实验二数据下载、导入、目视解译与分析

【查看原文】高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用高光谱遥感（HyperspectralRemoteSensing）又叫成像光谱遥感，是将成像技术和光谱技术相结合的多维信息获取技术（

原文：Matlab高光谱遥感、数据处理与混合像元分解实践技术应用光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质

前言：光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。

1.两景影像分别融合1.1ENVI用常见的图像融合方法图像融合是将低空间分辨率的多光谱影像或高光谱影像与高空间分辨率影像重采样生成高空间分辨率多光谱的影像的过程。envi提供六种种图像融合方法。

光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。

光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。

我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。

论文地址高光谱遥感图像空谱联合分类方法研究辽宁工程技术大学基于DBN的特征提取方法和图像分类架构用于高光谱数据分析，将谱域-空域特征提取和分类器相结合提高了分类精度。

论文地址高光谱遥感影像分类研究进展南大、矿大、河海15年的文章比较老，科普文，但是理论总结和语言用词都比较扎实在总结分类策略的基础上，重点从以核方法（SVM）为代表的新型分类器设计、特征挖掘、空间-光谱分类

文章针对国内对于深度学习应用于遥感图像处理的研究尚未广泛开展。

高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。

我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。

【查看原文】基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化实践技术应用我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成

同时，随着卫星遥感技术的快速发展，可以利用高空间分辨率、高光谱分辨率和高时间分辨率的多源数据对滨海湿地进行高精度分类。

【查看原文】基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化实践技术应用我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成

https://blog.csdn.net/zsiming/article/details/122410398，分裂合并逻辑也没有做更改，但是结合我的自身需要改了很多部分：主要改的是数据读取部分，我要将高高光谱数据一条一条或者一帧一帧的读取

问题：高光谱图像输入为5维，即(batch_size,channels,bands,height,width)，需要将其分为多个大小为(k,k,k)的小块，但pytorch的unfold函数只支持输入是四维的情况解决方法

3DCNN在高光谱数据中的运算过程，以nn.Conv3D为例高光谱图像介绍直接上代码粘贴一下计算公式高光谱图像介绍普通的图片是RGB3个维度，高光谱图像就是比普通图像多几十个维度的图像而已。

3DCNN应用范围：视频分类和动作识别、医疗图像诊断、高光谱图像(HSI)分类等1.视频分类和动作识别1.1《LearningSpatiotemporalFeatureswith3DConvolutionalNetworks

相关运算软阈值2015Supervised-Spectral-spatial-Hyperspectral-Image-Classification-with-Weighted-Markov-Random-Fields(1)（2）使用ADMM算法处理优化问题2017Dissimilarity-WeightedSparseRepresentationforHyperspectralImageClass

系列文章目录实习面经文章目录系列文章目录前言一、高光谱与图像算法工程师面试(深圳某初创公司，70%以上为硕博)第一轮：两个高光谱遥感工程师第二轮：算法总监(美国匹兹堡博士)二、无人机多光谱算法工程师面试

二、全色、多光谱和高光谱的成像过程前言considerthetradeoffbetweenspectralresolution,spatialresolution,lightthroughputandetc

项目背景高光谱影像因其高光谱分辨率（具有几百个光谱波段）所提供的丰富光谱信息在许多实际应用中都大放光彩，如图像分类、异常检测、变化检测和定量农业等领域。

HyperNet:Adeepnetworkforhyperspectral,multispectral,andpanchromaticimagefusion（HyperNet：一种用于高光谱、多光谱和全色图像融合的深度网络

图像拼接技术是图像配准的一种重要应用形式,被广泛应用于虚拟现实、遥感图像处理、视频压缩和传输等领域。

高光谱成像和多光谱成像是两种相似的技术，在过去的二十年中，它们的重要性和实用性不断提高。这两个术语常被混淆，它们具有相同的含义，但表示两种不同的成像方法，且每种方法都有各自的应用空间。

1.摘要HSI----高光谱图像(HyperspectralImage)。所捕获的光谱信息以及对应高光谱数据对象之间的非线性关系，使得传统方法无法进行准确的分类。

来源：IEEETGRS2018原文：https://ieeexplore.ieee.org/document/8418840论文题目：GETNET:AGeneralEnd-to-End2-DCNNFrameworkforHyperspectralImageChangeDetectionIntroduction全球变化的全面认识能够为地球演化提供及时、准确信息。变化检测是识别多时相遥感影像的差异性分

CoupledUnmixingNetswithCross-Attention模型总览输入/出介绍基本假设退化假设混合假设约束网络架构双编码器Cross-Attention空间光谱一致性损失函数代码：GitHub论文：ECCV创新点提出了一个叫做CUCaNet的无监督高光谱超分辨模型

材料在不同波长下的反射、透射和发射光量不同，类似于指纹的唯一性，每种材料都具有独特的光谱特性，光谱特性可以用来更好的对材料进行识别、检测或分析。光谱成像是一项结合了光谱测量与数字成像的技术。标准的相机能够捕捉可见光谱中的红光、蓝光和绿光，而光谱成像相机能够捕捉的波长范围更加广泛，小到紫外波长，大到可见光和红外波长。其具备的广谱特性能够通过材料的颜色或化学差异，轻易的识别并分离肉眼难以区分的物质。光

遥感图像处理中的低通滤

高光谱优势，研究高光谱是有必要的：研究表明许多的地表物质的吸收特征在吸收峰深度一半处的宽度为20-40nm，由于成像系统连续波段一般在10nm以内，，因此这种数据能以足够的光谱分辨率区别出那些具有诊断性光谱特征的地表物质

大气校正是定量遥感中重要的组成部分。本专题包括以下内容：l大气校正概述lENVI中的大气校正功能1大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲是获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。大多数情况下，大气校正同时也是反

深度学习课遥感图像处理查看图像结果用，本文需要的库为CV2和gdal。

2005年，Bachmann等[77]学者研究发现高光谱数据中存在非线性结构，主要是由于高光谱图像成像时受不同时间的大气环境、不同反射率和光照、地物组成成分变化等影响，使

在高光谱图像的特征提取过程中，采用非线性降维的方式对高光谱图像降维的过程中，采用图自编码器来对数据进行降维，需要将利用高光谱图像的结构信息和内容信息，则需要将高光谱图像数据构造为一个图结构，图结构的构建需要通过