danaroth/salinas|高光谱遥感数据集|地物分类数据集

该数据集由224波段的AVIRIS传感器在加利福尼亚的Salinas Valley收集，具有高空间分辨率（3.7米像素）。数据集覆盖了512行217列的图像区域，并丢弃了20个水吸收波段。数据集包括蔬菜、裸土和葡萄园等16个类别的地面真实数据。此外，还介绍了Salinas-A子场景，包含6个类别。文件还列出了每个类别的样本数量，并提供了数据集的图像示例。

原始信息汇总

数据集描述

该场景由224频段的AVIRIS传感器在加利福尼亚州的萨利纳斯谷收集，具有高空间分辨率（3.7米像素）。覆盖区域包括512行和217列。与Indian Pines场景一样，我们丢弃了20个水吸收频段，具体为频段：[108-112]、[154-167]、224。该图像仅作为传感器辐射数据可用。其中包括蔬菜、裸土和葡萄园。萨利纳斯地面实况包含16个类别。

萨利纳斯图像的一个小子场景，记为Salinas-A，通常也被使用。它包括86*83像素，位于同一场景中的[样本，行] = [591-676, 158-240]，包含六个类别。

特征

萨利纳斯场景的地面实况类别及其相应的样本数量如下：

#	类别	样本数量
1	Broccoli_green_weeds_1	2009
2	Broccoli_green_weeds_2	3726
3	Fallow	1976
4	Fallow_rough_plow	1394
5	Fallow_smooth	2678
6	Stubble	3959
7	Celery	3579
8	Grapes_untrained	11271
9	Soil_vinyard_develop	6203
10	Corn_senesced_green_weeds	3278
11	Lettuce_romaine_4wk	1068
12	Lettuce_romaine_5wk	1927
13	Lettuce_romaine_6wk	916
14	Lettuce_romaine_7wk	1070
15	Vinyard_untrained	7268
16	Vinyard_vertical_trellis	1807

萨利纳斯-A场景的地面实况类别及其相应的样本数量如下：

#	类别	样本数量
1	Broccoli_green_weeds_1	391
2	Corn_senesced_green_weeds	1343
3	Lettuce_romaine_4wk	616
4	Lettuce_romaine_5wk	1525
5	Lettuce_romaine_6wk	674
6	Lettuce_romaine_7wk	799

快速浏览

Salinas数据集的样本频段。

Salinas数据集的地面实况。

Salinas-A数据集的样本频段。

Salinas-A数据集的地面实况。

致谢

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

数据集的原始链接如下：

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

Salinas数据集是由224波段的高分辨率AVIRIS传感器在加利福尼亚州Salinas Valley地区采集的影像数据构建而成，其空间分辨率高达3.7米像素。该数据集覆盖了512行217个样本的区域，并去除了20个水吸收波段，保留了可用于分析的波段。数据集包括蔬菜、裸土和葡萄园等不同类型的地面覆盖，并为每个类别提供了详细的地面真实标签信息。

特点

Salinas数据集的主要特点在于其高空间分辨率和丰富的波段信息，为高光谱图像分析提供了丰富的数据资源。数据集包含了16个不同的地面真实类别，每个类别都有相应的样本数量，且包含了一个较小的子场景Salinas-A，便于进行更精细的分析。此外，该数据集提供了地面真实标签，对于监督学习任务尤为宝贵。

使用方法

使用Salinas数据集时，用户可以直接加载影像数据和对应的地面真实标签。数据集的波段信息可用于特征提取，地面真实标签可用于训练分类模型。Salinas-A子场景可作为一个独立的测试集或用于模型验证。用户需注意数据集的版权信息，合法使用数据，并在研究中引用原始数据来源。

背景与挑战

背景概述

Salinas数据集，采集自加利福尼亚州萨利纳斯谷，由224波段AVIRIS传感器捕获，具备3.7米的高空间分辨率。该数据集覆盖了512行217个样本的区域，针对水吸收波段进行了剔除，并以传感器辐射数据的形式存在。数据集包含蔬菜、裸土和葡萄园等地面实况类别，共计16类。Salinas-A子场景也常被使用，包含6类，覆盖了86*83像素。该数据集由Manuel Graña, Miguel-Angel Veganzones, Borja Ayerdi等人收集，为高光谱遥感领域的研究提供了宝贵的资源，对于推动相关技术的发展具有显著影响。

当前挑战

Salinas数据集在研究领域中面临的挑战主要包括：1)如何精确区分具有相似光谱特性的不同植被类别；2)在构建过程中，如何处理大量的高光谱数据，以及如何有效地进行数据预处理和降维。此外，数据集的地面实况标注质量对于模型训练至关重要，因此确保标注的准确性和一致性也是一项挑战。

常用场景

经典使用场景

在遥感领域，danaroth/salinas数据集因其高空间分辨率和丰富的地物类别，常被用于高光谱图像分类算法的研究与验证。该数据集包含512行217列的像素，涵盖蔬菜、裸土和葡萄园等多种地表类型，为算法提供了丰富的学习样本。

实际应用

在实际应用中，danaroth/salinas数据集的应用场景广泛，如在精准农业中，可用于作物识别和健康监测；在环境监测中，可用于土地覆盖类型分类，为资源管理和环境保护提供数据支持。

衍生相关工作

基于danaroth/salinas数据集，研究者们衍生出了众多相关工作，包括改进的高光谱图像处理算法、特征选择技术以及分类模型的优化，这些工作进一步推动了高光谱遥感技术的发展和应用。