This data sets can be retrieved from AVIRIS NASA site. Among the many datasets available, the .mat archive posted here corresponds to the f970619t01p02_r02_sc03.a.rfl reflectance file.

很实用的用于高光谱遥感图像分类Salinas数据集，欢迎下载

高光谱遥感数据集Indian Pines，包含测试集和训练集。

The NASA EO-1 satellite acquired a sequence of data over the Okavango Delta, Botswana in 2001-2004. The Hyperion sensor on EO-1 acquires data at 30 m pixel resolution over a 7.7 km strip in 242 bands covering the 400-2500 nm portion of the spectrum in 10 nm windows. Preprocessing of the data was performed by the UT Center for Space Research to mitigate the effects of bad detectors, inter-detector miscalibration, and intermittent anomalies. Uncalibrated and noisy bands that cover water absorption features were removed, and the remaining 145 bands were included as candidate features: [10-55, 82-97, 102-119, 134-164, 187-220]. The data analyzed in this study, acquired May 31, 2001, consist of observations from 14 identified classes representing the land cover types in seasonal swamps, occasional swamps, and drier woodlands located in the distal portion of the Delta.

高光谱常用数据集，包含SA，PU，IP的mat文件和已经转成csv文件的数据集

本次数据集是用于高光谱图像分类使用的indian影像数据集，该图像数据集是采用可见光与红外机载式成像光谱仪器（AVIRIS）获取的来自于印第安纳州西北部Indian Pines农业试验场的高光谱图像。用于遥感方向的研究使用。

高光谱图像数据集，包含Indian,Pavia。每类数据集里包含图像原始信息，以及相对应的ground truth。

Salinas数据集，用于高光谱遥感图像分类，非常常用。ke'yi

高光谱遥感数据集是遥感领域中的一个重要资源，尤其在环境监测、地球科学、农业分析、矿物识别等多个领域有着广泛的应用。本数据集主要包括两个知名的高光谱图像样本：Indian Pines和Pavia University。 1. **高光谱成像**： 高光谱成像是遥感技术的一种，它能够捕捉到连续的光谱信息，覆盖可见光、近红外和短波红外等波段。相比于传统的多光谱成像（通常只有几个窄波段），高光谱成像提供数百个甚至上千个波段，可以更精细地分辨地物特性。 2. **Indian Pines数据集**： 这是一个经典的高光谱图像数据集，源自美国印第安纳州的一个农田地区。该数据集包含145x145像素的图像，涵盖220个光谱波段。此外，还提供了地面真实信息（ground truth），包括16种不同的土地覆盖类别，如玉米、大豆、草地等。这对于分类算法的训练和评估至关重要。 3. **Pavia University数据集**： Pavia University数据集源自意大利帕维亚市的一张卫星图像，尺寸为610x340像素，包含了91个光谱波段。数据集包含了9个不同的地面类别，如混凝土、草、树等，同样提供了精确的地面真实信息，用于分类和目标检测的研究。 4. **数据集内容**： 压缩包内的"HSI_Dataset"可能包含了原始高光谱图像文件，以及对应的地面真实标签文件。这些文件通常以矩阵形式存储，每一行代表一个像素，每一列对应一个光谱波段。同时，"readme.txt"文件可能包含了关于数据集的详细说明，包括数据采集的设备信息、每个类别的描述、数据预处理方法等。 5. **应用与研究**： 高光谱遥感数据集主要用于开发和测试各种遥感图像处理技术，如光谱分类、目标检测、异常检测和混合像素分解。研究人员会使用这些数据集来验证算法的性能，通过比较不同算法在相同数据上的表现，推动高光谱图像处理技术的发展。 6. **挑战与未来方向**： 高光谱遥感面临的挑战包括高维度数据的处理、光谱混叠问题、噪声干扰以及对地物的精细识别。未来的研究可能会聚焦于深度学习方法在高光谱图像分析中的应用，以及如何利用多源数据提高分类精度和地物识别能力。 高光谱遥感数据集是遥感和图像处理研究的重要工具，对于理解和掌握高光谱成像技术及其应用具有重要意义。通过不断探索和优化算法，我们可以更好地利用这些数据集，服务于环境保护、城市规划和资源管理等多个领域。