摘自《基于深度卷积神经网络的高光谱图像分类》徐敏
1.Indian Pines 数据集
145×145 的大小进行标注作为高光谱图像分类测试用途。
AVIRIS 成像光谱仪成像波长范围为 0.4-2.5μm，是在连续的 220 个波段对地物连续成像的，但是由于第 104-108，第 150-163 和第 220 个波段不能被水反射，因此，我们一般使用的是剔除了这 20 个波段后剩下的 200 个波段作为研究的对象。
该光谱成像仪所成的图像的空间分辨率约为 20m，因此，其较容易产生混合像元，给分类带来难度。
图 2.1(a)是抽取其中 3 个波段的二维矩阵叠加作为 RGB 图像三个通道所成的伪彩色图像。该数据总共有 21025个像素，但是其中只有 10249 个像素是地物像素，其余 10776 个像素均为背景像素，在实际分类中，这些像素是需要剔除的，由于截取的这块区域均是庄稼，总共有 16类，因此不同的地物具有较为相似的光谱曲线，而且这 16 类中，样本的分布极不均匀
2.Pavia University 数据集
图像的空间分辨率为 1.3m。其中 12 个波段由于受噪声影响被剔除，因此一般使用的是剩下 103 个光谱波段所成的图像。该数据的尺寸为 610×340，因此共包含2207400 个像素，但是其中包含大量的背景像素，包含地物的像素总共只有 42776 个，这些像素中共包含 9 类地物，包括树、沥青道路（Asphalt）、砖块（Bricks）、牧场（Meadows）等。
3.Salinas数据集
空间分辨率达到了 3.7m。该图像原本也有 224 个波段，同样的，我们一般使用的也是剔除了第 108-112，154-167，和第 224 个不能被水反射的波段后剩下的 204 个波段的图像。该图像的尺寸为 512×217，因此共包含 111104 个像素，其中有 56975 个像素是背景像素，可应用于分类的像素有 54129 个，这些像素总共分为 16 类，包括休耕地（Fallow）、芹菜（Celery）等。
