资源包括99.9%的常用的实验高光谱图像数据，全部是.mat文件，到手即用(数据集和标签都有，部分还有的图像)数据集包括:Indian pines，pavia university，pavia center,botswana,Houston_2013,Houston_2018,KSC,Salinas,xuzhou,xiongan，由于数据量过大，本资源提供百度云链接，请自行下载

基于干涉多光谱图像特点和应用环境要求,提出一种干涉多光谱图像压缩算法.采用小波域匹配预处理来去除帧间推扫平移带来的数据冗余性,采用基于码率预分配的编码方法,按照预分配到的码率大小控制码块的T1编码深度,减少编码计算量和存储器使用量,易于硬件实现和星上环境的应用.实验数据表明,码率为1 bpp时,该算法提高了恢复光谱的分辨率,满足卫星干涉多光谱图像压缩系统要求.

在基于陪集码的高光谱图像压缩算法中,由于按照编码块的最大残差确定整块无损压缩所需的码率存在较大冗余,该文提出了基于分类和陪集码的高光谱图像压缩算法.首先利用前一波段对应位置的预测噪声对当前波段编码块的像素进行分类,将具有相似相关性的像素归于一类,然后对每一类像素分别进行陪集码编码.实验表明分类可以有效地降低码率.和基于陪集码的算法相比,该文算法无损压缩的平均码率降低了大约0.4 bpp.

为解决多通道光谱图像数据成像过程中更换滤光片造成的几何畸变问题，研究了一种基于快速稳健特征(SURF)与最大子矩阵的多通道光谱图像配准方法。利用SURF算法提取了多通道光谱图像的特征，经过透视变换得到初步配准图像。针对配准后图像边缘出现零像素值无效区域的问题，提出了通过最大子矩阵检测图像中最大内接矩形的方法，去掉了无效边缘区域，最大化地保留了有效区域信息。对壁画的多通道成像数据进行了实验。结果表明，所提方法在图像尺度与亮度变化方面具有更好的稳健性，能够避免其他配准方法中无效区域对后续光谱重建与颜色复原的影响，在配准精度、信息最大化保留、时间效率方面也具有更好的性能。

高光谱图像和多光谱图像的融合，是关于《A Convex Formulation for Hyperspectral Image Superresolution via Subspace-Based Regularization》中的程序，可以直接运行

针对高光谱图像空间分辨率不足导致异常检测虚警率过高的问题，提出了一种利用主成分分析（PCA）和IHS变换融合以降低虚警率的算法。首先对低分辨率高光谱图像进行PCA变换，提取3个主成分；然后对这3个主成分和高分辨率图像分别进行IHS变换，得到各自的强度分量，把高光谱数据的强度分量替换成高分辨率图像的强度分量；再运用IHS变换的可逆性，将新的强度分量与原色度分量和饱和度分量进行IHS逆变换，得到空间信息增强的高光谱图像数据；最后使用KRX算法对空间信息增强的高光谱图像数据进行异常检测。实验结果表明，本文算法的虚警率与KRX算法相比有很大的降低，取得了良好的检测效果。

图像融合，遥感图像处理-多光谱图像融合，一个初学者参考的VC程序

利用稀疏字典表示、OMP算法进行高光谱图像分类，内含高光谱数据。

高光谱图像处理 matlab，用matlab处理高光谱图像

使用MATLAB对高分辨率的多光谱图像和低分辨率的全色图像进行融合，分别使用了DWT和PCA两种方法，大家可以分别调用