由于文件大小限制，上传一个mat格式的高光谱图像，直接用matlab中的load函数读取.

SLIC 高光谱图像降维...........................................................................................................................................................................................................

matlab遥感分类代码CNN-AL-MRF 这就是《Hyperspectral Image Classification with Convolutional Neural Network and Active Learning》的代码。 如果您使用此代码，请在您的工作中引用以下论文。 [1] 曹向勇，姚敬，徐宗本，孟德宇。 具有卷积神经网络和主动学习的高光谱图像分类。 IEEE 地球科学与遥感学报，2020 年。() [2] H. Bi、F. Xu、Z. Wei、Y. Xue 和 Z. Xu，一种用于最小监督 polsar 图像分类的主动深度学习方法。 IEEE 地球科学与遥感学报，2019 年。 在 Windows 中安装 Matconvnet 请按照网站上的说明进行操作：。 再现结果 重现第四部分的实验结果。 D(1)，请跑 matlab CNN_AL_MRF_main.m 接触： 如果您有任何问题，欢迎与我联系（ / ）。

高光谱图像聚类的有效算法

1.光谱解混步骤 步骤一： 端元提取 步骤二： 丰度反演

分类过程是分析高光谱图像数据的重要任务之一。 支持向量机（SVM）是最流行和使用最广泛的分类器，其性能正在不断提高。 近来，与仅考虑像素的光谱特征的方法相比，利用空间和光谱信息的方法更加充分，鲁棒，有用和准确。 在本文中，通过使用空间像素关联（SPA）处理从高光谱数据中提取区域纹理信息，以进一步提高SVM技术的分类性能。 为了提高分类的准确性，提出了一种利用SPA特征的支持向量机的新方法。 此外，该手稿中还提出了一种可用于解决像素不正确问题的新方法，即“增长类的控制过程”（CPoGC）。 为了证明所提方案的有效性，我们进行了印度松站点（IPS）上的AVIRIS高光谱数据实验，以将所提出的分类方法与一些现有的基于SVM的技术（例如SC-SVM和PSO-SVM）进行比较，以及一些传统的方法，例如K-NN和K-means。 实验结果表明，所提出的方法明显优于这些众所周知的分类算法。

一个matlab的高光谱图像分割程序，程序没有错误直接运行就可以但是解释比较少

高光谱图像分离matlab代码考虑光谱可变性的多时相高光谱图像的在线解混 描述：与描述的方法相关的 Matlab 代码 P.-A. Thouvenin, N. Dobigeon 和 J.-Y. Tourneret -考虑光谱可变性的多时相高光谱图像的在线解混， IEEE Trans。 图像处理，卷。 25，没有。 9，第 3979-3990 页，2016 年 9 月。 作者： P.-A. Thouvenin, pierreantoine[dot]thouvenin[at]gmail[dot]com 实验：要在文章中报告的真实数据上运行具有代表性的实验示例，请配置并运行main.m脚本。 依赖关系：当前代码包括以下出版物中描述的 MATLAB 函数，并由其作者开发。 [1] JM Nascimento 和 JM Bioucas-Dias -顶点分量分析：一种分离高光谱数据的快速算法， IEEE Trans。 地球科学。 遥感，卷。 43，没有。 4，第 898--910 页，2005 年 4 月。 [2] JM Bioucas-Dias 和 MAT Figueiredo -约束稀疏回归的

Deep Feature Extraction and Classification of Hyp全文翻译（带公式）

该软件包提供了用于频谱总变化（STV）降噪算法[1]的MATLAB代码，这是一种用于高光谱图像的新降噪算法，可从观测到的数据中估计整个频谱轴上的噪声水平。 STV去噪算法的命令是 out_stv = 光谱电视（hyper_noisy，选择）； 其中 hyper_noisy 是输入图像， opts 是参数。 输入图像应该是 3-D 噪声图像（高光谱图像或视频）。 此外，在编写命令之前，需要将 opts.beta 设置为 [1 1 0.1]。 输出图像存储为 out_stv.f。 有关详细信息，请参阅随附的用户指南。 如需更多信息和引文，请参阅： [1] Chien-Sheng Liao、Joon Hee Choi、Delong Zhang、Stanley H. Chan 和 Ji-Xin Cheng，“通过总变异最小化对受激拉曼光谱图像进行降噪”，物理化学杂志 C，2015 年 7 月