danaroth/pavia|遥感数据集|高光谱图像数据集

帕维亚中心和帕维亚大学数据集是由ROSIS传感器在意大利帕维亚上空飞行时获取的两个高光谱图像场景。帕维亚中心图像大小为1096x1096像素，包含102个光谱带，而帕维亚大学图像大小为610x610像素，包含103个光谱带。两者的几何分辨率均为1.3米，并且每个场景的地面真实数据区分9个不同的类别。部分样本因不含信息在分析前被丢弃。数据集由帕维亚大学的Telecommunications and Remote Sensing Laboratory提供。

The Pavia Centre and Pavia University datasets are two hyperspectral image scenes acquired by the ROSIS sensor during a flight over Pavia, northern Italy. The Pavia Centre image is 1096x1096 pixels with 102 spectral bands, while the Pavia University image is 610x610 pixels with 103 spectral bands. Both have a geometric resolution of 1.3 meters and ground truth data differentiating 9 classes each. Some samples are discarded due to lack of information before analysis. The dataset is provided by the Telecommunications and Remote Sensing Laboratory at the University of Pavia.

原始信息汇总

数据集描述

Pavia Centre 和 Pavia University 是由 ROSIS 传感器在意大利北部 Pavia 的一次飞行活动中获取的两个场景。Pavia Centre 有 102 个光谱带，Pavia University 有 103 个光谱带。Pavia Centre 是一个 1096 × 1096 像素的图像，而 Pavia University 是 610 × 610 像素，但这两个图像中的一些样本不包含信息，需要在分析前丢弃。几何分辨率为 1.3 米。两个图像的地面真实数据分别区分 9 个类别。丢弃的样本在图中显示为宽阔的黑色条纹。

特征

Pavia Centre 场景的地面真实类别及其相应的样本数量

#	类别	样本数量
1	水	824
2	树木	820
3	沥青	816
4	自阻塞砖块	808
5	沥青	808
6	瓷砖	1260
7	阴影	476
8	草地	824
9	裸土	820

Pavia University 场景的地面真实类别及其相应的样本数量

#	类别	样本数量
1	沥青	6631
2	草地	18649
3	碎石	2099
4	树木	3064
5	涂漆金属板	1345
6	裸土	5029
7	沥青	1330
8	自阻塞砖块	3682
9	阴影	947

快速浏览

Pavia Centre 数据集的样本带

Pavia Centre 数据集的地面真实数据

Pavia University 数据集的样本带

Pavia University 数据集的地面真实数据

致谢

Pavia 场景由 Pavia 大学的 Telecommunications and Remote Sensing Laboratory 的 Prof. Paolo Gamba 提供。

该数据集最初由 Manuel Graña, Miguel-Angel Veganzones, Borja Ayerdi 收集。

原始数据集链接如下： https://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes

AI搜集汇总

数据集介绍

构建方式

该数据集由Pavia Centre和Pavia University两个场景组成，均由ROSIS传感器在意大利Pavia上空的一次飞行任务中采集。Pavia Centre包含1096 × 1096像素的图像，具有102个光谱波段，而Pavia University则为610 × 610像素，具有103个光谱波段。在数据预处理阶段，部分无信息的样本被剔除，几何分辨率为1.3米。每个场景均包含9个地物类别，这些类别在数据集中以地物真值的形式呈现，为后续分析提供了基础。

特点

Pavia数据集的显著特点在于其高分辨率的光谱信息和多样化的地物类别。Pavia Centre和Pavia University分别涵盖了不同的地物类型，如水体、树木、沥青等，每种类别均有详细的样本数量统计。此外，数据集的几何分辨率达到了1.3米，为高精度的遥感分析提供了可能。图像中的黑色条带标记了被剔除的无信息样本，确保了数据集的纯净性。

使用方法

该数据集适用于多种遥感应用，包括但不限于地物分类、光谱分析和图像分割。用户可以通过加载数据集中的图像和地物真值，进行模型训练和验证。数据集提供了详细的类别信息和样本数量，便于用户进行有针对性的分析。此外，数据集的几何分辨率和高光谱波段数量，使得其在高精度遥感任务中具有广泛的应用前景。

背景与挑战

背景概述

高光谱遥感技术在环境监测、地质勘探和城市规划等领域具有广泛应用。Pavia数据集由意大利Pavia大学的Telecommunications and Remote Sensing Laboratory的Prof. Paolo Gamba及其团队采集，通过ROSIS传感器在Pavia地区进行飞行任务获取。该数据集包含Pavia Centre和Pavia University两个场景，分别具有102和103个光谱波段，几何分辨率为1.3米。数据集的创建旨在为高光谱图像分析提供基准，涵盖水、树木、沥青等多种地物类别，对高光谱遥感领域的研究具有重要意义。

当前挑战

Pavia数据集在高光谱图像分析中面临多重挑战。首先，数据集中部分样本因缺乏信息而被丢弃，导致数据完整性受损。其次，不同场景的光谱波段数量差异，增加了模型泛化能力的难度。此外，高光谱图像的复杂性和多维性使得特征提取和分类任务更具挑战性。最后，数据集的标注工作需要专业知识，确保地物类别的准确性，这也是构建过程中的一大难点。

常用场景

经典使用场景

在遥感领域，danaroth/pavia数据集以其高分辨率和高光谱特性，成为研究地物分类和场景分析的经典工具。该数据集包含了意大利帕维亚市中心和大学的两个场景，通过ROSIS传感器获取，具有102和103个光谱波段。研究者常利用这些数据进行地物分类算法的验证和优化，特别是在多光谱图像处理和分类任务中，该数据集提供了丰富的地物类别和样本，有助于提升算法的准确性和鲁棒性。

实际应用

在实际应用中，danaroth/pavia数据集被广泛用于城市规划、环境监测和农业管理等领域。例如，通过分析帕维亚市中心和大学的高光谱图像，城市规划者可以更准确地识别和分类不同类型的地物，从而优化城市布局和资源分配。在环境监测方面，该数据集帮助科学家识别和跟踪污染源，评估生态系统的健康状况。农业管理者则利用这些数据进行精准农业，通过高光谱分析土壤和作物的健康状况，提高农业生产效率。

衍生相关工作

danaroth/pavia数据集的发布催生了一系列相关研究工作。例如，许多研究者基于该数据集开发了新的多光谱图像分类算法，如支持向量机（SVM）和深度学习模型，显著提升了地物分类的准确性。此外，该数据集还被用于研究多光谱图像的特征提取和降维技术，如主成分分析（PCA）和线性判别分析（LDA）。这些研究不仅推动了遥感技术的发展，也为其他高光谱数据集的应用提供了参考和借鉴。