Awesome Hyperspectral Datasets

github2025-04-20 更新2025-04-21 收录

下载链接：

https://github.com/033labcodes/awesome-hyperspectral-datasets

下载链接

链接失效反馈

官方服务：

资源简介：

一个用于高光谱成像研究的公开可用数据集的集合。

A collection of publicly available datasets for hyperspectral imaging research.

创建时间：

2025-04-11

原始信息汇总

高光谱影像数据集概览

2025年数据集

Pinot Noir maturity status HS Dataset
- 任务：回归分析
- 链接：https://github.com/hlyu821/GANs
- 引用：H. Lyu等，《Computers and Electronics in Agriculture》，2025
HSOD-BIT-V2
- 任务：显著目标检测
- 链接：https://github.com/QYH-BIT/HSOD-BIT-V2?tab=readme-ov-file
- 引用：Y. Qiu等，《AAAI Conference on Artificial Intelligence》，2025

2024年数据集

PENGUIN HS IMAGE DATASET
- 任务：分类
- 链接：https://033labcodes.github.io/igrass24_penguin/
- 引用：Y. Noboru等，《IGARSS 2024》
HyperLeaf2024
- 任务：分类与回归
- 链接：https://www.kaggle.com/competitions/HyperLeaf2024
- 引用：W. M. Laprade等，《CVPRW 2024》
Hyperspectral image dataset of unstructured terrains for UGV perception
- 任务：分类与分割
- 链接：https://ieee-dataport.org/documents/hyperspectral-image-dataset-unstructured-terrains-ugv-perception
- 引用：D. Liyanage等，《IEEE Dataport》，2024
Hydrocarbon Spill Hyperspectral Dataset
- 任务：分类
- 链接：https://ieee-dataport.org/documents/hydrocarbon-spill-hyperspectral-dataset-hshd
- 引用：D. Rivas-Lalaleo等，《IEEE Dataport》，2024
hyperspectral image datasets-almond, pistachio, and garlic stems
- 任务：异常检测
- 链接：https://ieee-dataport.org/documents/anomaly-detection-hyperspectral-imaging-food-safety-inspection
- 引用：J. Lee等，2024
Living Optics Orchard Dataset
- 任务：分割
- 链接：https://huggingface.co/datasets/LivingOptics/hyperspectral-orchard
- 引用：S. Cho等，《SPIE》，2025
CloudPatch-7
- 任务：分类
- 链接：https://ieee-dataport.org/documents/cloudpatch-7-hyperspectral-dataset
- 引用：H. Yan等，《IEEE Dataport》，2024
Cabbage Eggplant Hyperspectral datasets
- 任务：分类
- 链接：https://data.mendeley.com/datasets/whgnf4s4bp/1, https://data.mendeley.com/datasets/t4rysh9rxf/1, https://data.mendeley.com/datasets/cww6zkdcmb/1
- 引用：V. K. Munipalle等，《Data in Brief》，2024
Living Optics Hyperspectral Fruit Dataset
- 任务：分类与分割
- 链接：https://huggingface.co/datasets/LivingOptics/hyperspectral-fruit
- 引用：Living Optics，2024
Hyperspectral Object Tracking Challenge 2024
- 任务：目标跟踪
- 链接：https://www.hsitracking.com/
- 引用：F. Xiong等，2024
BJTU-UVA
- 任务：校准
- 链接：https://github.com/duranze/Automatic-spectral-calibration-of-HSI
- 引用：Z. Du等，《arXiv》，2024
VIS-NIR HSI dataset
- 任务：未指定
- 链接：https://github.com/bianlab/Hyperspectral-imaging-dataset
- 引用：Bian等，《Nature》，2024

2023年数据集

HOD3K
- 任务：目标检测
- 链接：https://github.com/hexiao0275/S2ADet
- 引用：X. He等，《IEEE Transactions on Geoscience and Remote Sensing》，2023
MobiSpectral
- 任务：HSI重建
- 链接：https://github.com/mobispectral/mobicom23_mobispectral/
- 引用：N. Sharma等，《ACM MobiCom》，2023
UWA Hyperspectral Face Database
- 任务：人脸识别
- 链接：https://ieee-dataport.org/documents/uwa-hyperspectral-face-database
- 引用：M. Uzair等，《IEEE Dataport》，2023
DeepHS Fruit v2
- 任务：分类
- 链接：https://github.com/cogsys-tuebingen/deephs_fruit
- 引用：L. A. Varga等，《IJCNN 2021》
Hyper-Skin
- 任务：HSI重建
- 链接：https://hyper-skin-2023.github.io/
- 引用：P. C. Ng等，《NeurIPS 2023》
HyperPRI
- 任务：分割
- 链接：https://github.com/GatorSense/HyperPRI?tab=readme-ov-file
- 引用：S. J. Chang等，《Harvard Dataverse》，2023

2022年数据集

HSICityV2
- 任务：分割
- 链接：https://isis-data.science.uva.nl/cv/HyperspectralCityV2.0/
- 引用：Y. Huang等，《Zenodo》，2021
TOHS Dataset
- 任务：3D重建
- 链接：https://ieee-dataport.org/documents/tufts-outdoor-hyperspectral-dataset
- 引用：A. Stone等，《HST 2022》
HFD100
- 任务：分类
- 链接：https://github.com/ying-fu/HFD100
- 引用：Y. Zheng等，《Knowledge-Based Systems》，2022
HSIFoodIngr-64
- 任务：分类与分割
- 链接：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/E7WDNQ
- 引用：X. Xia等，《IEEE Access》，2023
ARAD 1K
- 任务：HSI重建
- 链接：https://github.com/boazarad/ARAD_1K?tab=readme-ov-file
- 引用：B. Arad等，《CVPRW 2022》
LIB-HSI
- 任务：分类与分割
- 链接：https://data.csiro.au/collection/csiro%3A55630v4
- 引用：N. Habili等，《ECCV 2022》
HSI-Object-Detection-NPU
- 任务：目标检测
- 链接：https://github.com/yanlongbinluck/HSI-Object-Detection-NPU
- 引用：L. Yan等，《IEEE Signal Processing Letters》，2021
OMHS
- 任务：HSI重建
- 链接：https://ieee-dataport.org/documents/omhs-objects-mosaic-hyperspectral-database
- 引用：J. Hauser等，《IEEE Dataport》，2021
HSI-1
- 任务：目标检测
- 链接：https://github.com/hexiao0275/S2ADet
- 引用：L. Yan等，《IEEE Signal Processing Letters》，2021

2020年数据集

Near Infrared Hyperspectral Image Dataset
- 任务：分类
- 链接：https://github.com/hacarus/hsi-open-dataset
- 引用：hacarus，2020
HSI Road
- 任务：分割
- 链接：https://github.com/NUST-Machine-Intelligence-Laboratory/hsi_road
- 引用：J. Lu等，《ICME 2020》

2019年数据集

Dataset for Hyperspectral Clinical Applications
- 任务：分类
- 链接：https://ieee-dataport.org/open-access/dataset-parallel-implementations-assessment-spatial-spectral-classifier-hyperspectral
- 引用：H. Fabelo等，《IEEE Dataport》，2019
Cocoa beans spectral image
- 任务：分类
- 链接：https://ieee-dataport.org/documents/cocoa-beans-spectral-image-three-fermentation-levels
- 引用：C. Hinojosa等，《IEEE Dataport》，2019
TokyoTech 59-band Visible-NIR Hyperspectral Image Dataset
- 任务：未指定
- 链接：http://www.ok.sc.e.titech.ac.jp/res/MSI/MSIdata59.html
- 引用：Y. Monno等，《IEEE Sensors Journal》，2018

2018年数据集

HS-SOD
- 任务：显著目标检测
- 链接：https://github.com/gistairc/HS-SOD?tab=readme-ov-file
- 引用：N. Imamoglu等，《QoMEX 2018》
HSIDermoscopy
- 任务：分类
- 链接：https://github.com/heugyy/HSIDermoscopy
- 引用：Y. Gu等，《Lecture Notes in Computer Science》，2018
GHIFVD
- 任务：未指定
- 链接：https://www.allpsych.uni-giessen.de/GHIFVD/
- 引用：R. Ennis等，《Journal of the Optical Society of America A》，2018

2017年数据集

HyKo
- 任务：场景理解
- 链接：https://wp.uni-koblenz.de/hyko/
- 引用：C. Winkens等，《ICCVW 2017》

2016年数据集

ICVL
- 任务：HSI重建
- 链接：https://huggingface.co/datasets/danaroth/icvl
- 引用：B. Arad等，《ECCV 2016》

2011年数据集

Real-World Hyperspectral Images Database
- 任务：未指定
- 链接：https://vision.seas.harvard.edu/hyperspec/download.html
- 引用：A. Chakrabarti等，《CVPR 2011》

2010年数据集

Tecnalia Hyperspectral Dataset
- 任务：分类
- 链接：https://zenodo.org/records/12565131
- 引用：A. Picon等，《ETFA 2010》

搜集汇总

数据集介绍

构建方式

高光谱成像技术在遥感、医学和农业等领域具有广泛应用，Awesome Hyperspectral Datasets作为高光谱研究的重要资源，其构建过程体现了多源数据整合与标准化处理的科学方法。该数据集通过系统收集来自IEEE Dataport、GitHub、Mendeley等开放平台的35个独立高光谱数据集，涵盖2010至2024年间发布的各类场景数据。每个子集均经过严格的元数据标注，包括数据采集年份、原始文献引用及官方存储链接，并通过DOI或持久化标识符确保数据可追溯性。特别值得注意的是，数据集整合时保留了各子集的原始光谱分辨率（如BJTU-UVA的自动校准光谱）和空间特性（如HyperLeaf2024的叶片像素级标注），构建过程充分遵循FAIR数据管理原则。

使用方法

使用该数据集时建议采用分层加载策略，通过GitHub索引表快速定位目标子集。对于光谱分析任务，可优先调用ARAD 1K等具有标准反射率曲线的数据；物体检测研究则推荐HSI-Object-Detection-NPU的边界框标注数据。数据预处理阶段需注意各子集的存储格式差异（如ENVI头文件或HDF5），部分数据集（如HyperPRI）需配合特定Python工具包解析。在跨数据集验证时，应关注HSHD等数据集提供的辐射定标系数以实现数据归一化。典型工作流包括：通过DOI链接获取原始数据→参考引用文献理解采集协议→利用附带的Jupyter Notebook示例（如Living Optics Orchard Dataset）完成数据可视化。对于机器学习应用，HyperSkin等数据集已提供标准化的训练/验证划分方案。

背景与挑战

背景概述

高光谱成像技术作为遥感与计算机视觉交叉领域的重要研究方向，近年来在精准农业、环境监测、医疗诊断等多元场景展现出独特优势。Awesome Hyperspectral Datasets作为2024年由国际多机构联合维护的开放数据集集合，整合了BJTU-UVA自动校准数据集、Hydrocarbon Spill溢油检测数据集等36个专项数据库，覆盖从2010至2024年间的前沿研究成果。该资源库由北京交通大学、IEEE Dataport等权威机构主导构建，致力于解决高光谱数据维度灾难、跨场景泛化性等核心问题，为光谱特征解耦、空谱联合建模等算法研究提供了标准化基准。

当前挑战

该数据集面临双重技术挑战：在应用层面，高光谱图像固有的数百个波段导致传统CNN架构面临计算复杂度激增问题，如HSICityV2城市场景数据中建筑物材质分类的谱间冗余特征难以有效提取；在构建层面，各子数据集采集标准差异显著，如HyperLeaf2024植物叶片数据与HSIDermoscopy皮肤病灶数据存在空间分辨率（μm级vs cm级）与光谱范围（400-2500nm vs 900-1700nm）的维度不匹配，需开发自适应归一化方法。此外，UWA人脸数据库等动态场景数据还存在运动伪影校正与光照条件控制的采集难题。

常用场景

经典使用场景

高光谱成像技术在农业、环境监测和医学诊断等领域具有广泛的应用潜力。Awesome Hyperspectral Datasets作为高光谱研究的重要资源，其经典使用场景包括农作物健康监测、环境污染检测以及皮肤病变分析。例如，通过HyperLeaf2024数据集，研究者能够精确分析小麦叶片的光谱特征，从而评估其生长状态和病虫害情况。这些数据集为高光谱图像分类、目标检测和异常检测等任务提供了丰富的数据支持。

解决学术问题

Awesome Hyperspectral Datasets解决了高光谱图像分析中的多个关键学术问题，包括光谱校准、目标识别和异常检测。例如，BJTU-UVA数据集通过自动光谱校准方法，显著提升了高光谱图像的精度和一致性。此外，HSIFoodIngr-64数据集为食品成分检索提供了基准方法，推动了食品安全领域的研究。这些数据集不仅填补了高光谱数据资源的空白，还为算法开发和性能评估提供了标准化平台。

实际应用

在实际应用中，Awesome Hyperspectral Datasets为农业、医疗和工业领域提供了重要支持。例如，DeepHS Fruit v2数据集通过高光谱成像技术实现了水果成熟度的无损检测，为农业生产和食品加工提供了高效工具。UWA Hyperspectral Face Database则用于面部皮肤光谱重建，辅助医学诊断和化妆品研发。这些数据集的应用显著提升了相关行业的自动化和智能化水平。

数据集最近研究