高光谱遥感图像分类

目录

高光谱图像分类必看综述

一些经典深度学习 HSIC 方法

堆栈式自编码器(SAE)是最早用于高光谱影像分类的深度网络模型 → Deep Learning-Based Classification of Hyperspectral Data

Base On CNN

(待补充)..

Base on Transfomer

Unsupervised methods

Else

(待补充...)

高光谱遥感图像分类数据集

📑 Indian Pines Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
Indian Pines 145×145 200 16 20m 下载链接 🔗

Indian Pines 数据集是最早用来 HSIC 的 数据集,由机载可视红外成像光谱仪 AVIRIS 于 1992 年对美国印第安纳州一块印度松树进行成像,截取尺寸为 145×145 的大小进行标注作为 HSIC 用途。可以下载到三个文件下:Indian_pines.matIndian_pines_correctedIndian_pines_gt.mat。但实际上用到的会是后两个,第一个是完整的 Indian PInes 数据集,但是里面第 104-108,第 150-163 和第 220 个波段不能被水反射,因此,我们一般使用的是剔除了这 20 个波段后剩下的 200 个波段作为研究的对象。

📑 Salinas Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
Salinas Scene 512×217 204 16 3.7m 下载链接 🔗
Salinas-A Scene 86×83 204 6 3.7m 下载链接 🔗
  • Salinas 数据集也是是由 AVIRIS 传感器获得的,对加利福尼亚州萨利纳斯谷上空进行成像,数据空间大小为 512×217,和 Indian Pines 场景一样,丢弃了无效的 20 个波段,包含 204 个有效波段。该场景有着 16 类地物。
  • Salinas-A Scene 是 Salina 图像中的一个小场景,有时候也会被使用,数据空间大小为 86×83,包括六个类别。

📑 Pavia Centre and University Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
Pavia Centre Scene 1096×715 102 9 1.3m 下载链接 🔗
Pavia University Scene 610×340 103 9 1.3m 下载链接 🔗

这是 ROSIS 传感器在意大利北部帕维亚的一次飞行活动中获取的两个场景。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。虽然两幅影像都有 9 个地物类别,但这两幅影像的类别不完全一致

📑 Kennedy Space Center Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
Kennedy Space Center 512×614 176 13 18m 下载链接 🔗

Kennedy Space Center 数据集是由 AVIRIS 传感器于 1996 年在佛罗里达州肯尼迪太空中心成像,原数据含有 224 个波段,去除一些吸水和低信噪比波段后,包含 176 个有效波段。

📑 Botswana Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
Botswana 512×614 145 14 30m 下载链接 🔗

Botswana 数据集是由星载 NASA EO-1 传感器 2001 ~2004 年在 Botswana 三角洲上空采集的一系列数据, 原数据集含有 242 个波段,去除吸水和噪声波段后,包含 145个有效波段。该场景有着14类地物。

📑 WashingtonDC Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
WashingtonDC 1208×307 191 7 未知 下载链接 🔗 & Remote Sensing Datasets

WashingtonDC 数据集是由 机载 Hydice 传感器于 2013 年在华盛顿特区购物中心上空获得, 原数据含有 210 个波段,丢弃了大气不透明的 0.9μm 和 1,4 μm 区域中的波段,包含 191 个有效波段,7 种地物分类。

📑 Houston Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
Houston 349×1905 144 14 未知 下载链接 🔗

Houston 数据集是由 ITRES CASI 传感器于 2013获得的,包含144个有效波段。该场景有着 15 类地物。该数据集需要申请。

📑 DFC2018 Houston Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
Houston 349×1905 48 14 0.05 下载链接 🔗

该数据集是由多传感器数据,包含 48 个有效波段。该场景有着 20类 地物。好像也是要申请。

📑 雄安马蹄湾村数据集

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
雄安马蹄湾村 3750×1580 250 19 0.5 下载链接 🔗

国内数据集。由中国科学院上海技术物理研究所研制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 250 个,影像大小为 3750×1580 像元,空间分辨率0.5 m;同步实地调研地类分布 19种,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。利用随机森林分类方法对该数据进行了分类验证,分类精度可达97%。

📑 WHU-Hi Dataset

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
WHU-Hi-LongKou 550×400 270 9(6 类农作物) 0.463 下载链接 🔗
WHU-Hi-HongHu 940×475 270 22(18 类农作物) 0.043 下载链接 🔗
WHU-Hi-HanChuan 1217×403 270 16(8 类农作物) 0.109 下载链接 🔗

武汉大学测绘遥感信息工程国家重点实验室 RSIDEA 团队构建了一套公开共享的高光谱高空间(双高)遥感影像地物精细分类数据集 WHU-Hi,该数据集同时具有纳米级光谱分辨率和厘米级空间分辨率,农作物种类最高十八种以上,通过对像素分类、面向对象分类、条件随机场、深度学习分类器进行的标准测试,为高光谱遥感地物精细分类提供了新的数据集和算法基准。

WHU-Hi 数据集共包含三个典型场景的数据,分别是 WHU-Hi-Longkou 数据(作物种类少的简单农业场景),WHU-Hi-HongHu 数据(作物种类多而复杂的农业场景),WHU-Hi-HanChuan数据(城乡结合区域的农业场景)。

📑 Fanglu Tea Farm

数据集 空间维度 有效波段 地物类别数 空间分辨率 下载地址
方麓茶场 348×512 80 10 2.25 下载链接 🔗

该数据集采集于中国常州芳露茶场,包括高光谱遥感影像和同步地面调查数据。高光谱遥感图像由气溶胶推扫式高光谱成像仪(PHI)获取,图像中心位于119°22′53″E,31°40′39″N。它由 348×512 像素组成;空间分辨率为 2.25 m。

📑 其他数据集

更多数据集可参考: