基于python的高光谱数据加载与可视化教程

Python+Matlab双版本教程:Pavia遥感数据集快速处理与可视化(附完整代码) 本文提供Python和Matlab双版本教程,详细讲解Pavia遥感数据集的快速处理与可视化方法。涵盖环境配置、数据加载、波段处理、特征提取及可视化输出等全流程,并附完整代码,帮助研究者高效处理高光谱遥感数据,适用于环境监测、城市规划等领域。 阅读详情

引言

高光谱数据在遥感、地质勘探、农业监测等领域有着广泛的应用。在处理高光谱数据时,首先需要完成数据的加载,然后对其进行可视化展示,以便直观地了解数据特征。本文将基于 Python 代码,详细介绍高光谱数据的加载和可视化过程。

对应代码数据链接:https://download.youkuaiyun.com/download/lestatlu/90685101

一、代码整体概述

此代码的主要功能是加载不同的高光谱数据集,并将其假彩色影像和真实标签(Ground Truth)进行可视化展示。代码主要包含数据加载函数和可视化函数两部分。

二、数据加载函数

2.1 导入必要的库

import matplotlib.pyplot as plt
import scipy.io as sio
import os
import h5py
import numpy as np

这里导入了用于绘图的matplotlib.pyplot、处理.mat文件的scipy.io、操作文件路径的os、处理.h5文件的h5py以及用于数值计算的numpy。

2.2 定义数据加载函数

def loadData(name):
    data_path = os.path.join('your_dataset_folder')
    if name == 'IP1':
        data = sio.loadmat(os.path.join(data_path, 'Indian_pines.mat'))['indian_pines']
   
Python处理高光谱数据#3 降维 基于Python的高光谱降维操作 高光谱数据:点击此处可下载 用到的库:matplotlib、scipy、spectral 主要内容:主成分分析(PCA)与线性判别(LDA) 欢迎有兴趣的朋友交流指点。最后,废话不多说直接上代码???? import matplotlib.pyplot as plt from scipy.io import loadmat import spectral as spy 阅读详情

相关推荐

基于LightGBM的高光谱图像分类与可视化:完整教程与代码讲解

本文介绍了使用LightGBM模型对WHU-Hi-HanChuan高光谱遥感图像进行分类的完整流程。文章首先说明了数据集的来源和特点,然后详细讲解了从数据加载、预处理到模型训练的全过程代码实现。通过将三维高光谱图像展开为二维数组,筛选有标签样本,使用LightGBM分类器进行训练,最终实现了整幅图像的像素级预测和结果可视化。实验结果表明该方法能有效区分不同地物类别,为高光谱图像分类任务提供了可复现的解决方案。文章特别注重代码逐段解析,适合初学者学习和实践。

lestatlu的博客 1450

Python处理高光谱数据#2 图像分类

基于Python的高光谱图像监督分类与非监督分类 高光谱数据:点击此处可下载 用到的库:matplotlib、scipy、spectral、numpy 主要内容:监督分类(最大似然法)与非监督分类(K-means)及精度评定 欢迎有兴趣的朋友交流指点。最后,废话不多说直接上代码???? import matplotlib.pyplot as plt from scipy.io import loadmat import spectral as spy import numpy as np def

qq_273058791的博客 6863

Python高光谱遥感数据处理与高光谱遥感机器学习方法应用

python、高光谱遥感、遥感大数据、机器学习、矿物识别、农业应用、木材含水量提取、土壤有机碳评估、精准农业、地球观测、遥感

PhyliciaFelicia的博客 895

读取高光谱图像数据

%Matlab读取envi图像img格式 用Matlab编了一段小程序。 %试验:Matlab读取ENVI标准图像(IMG+Hdr),并计算相关系数。

wifi/BT芯片RTL8723DS驱动移植和测试之一wifi篇

本文主要介绍如何在stm32mp157中移植并测试芯片RTL8723DS的wifi功能。

汉尼拔勇闯天涯 8737

R | 提取文件夹内栅格数据的最小值、最大值、标准差和平均值

各位同学好,我们长需要用长时间序列栅格数据的平均值做变量的时间变化分析,用代码能够帮助我们省下很多时间。

qq_48539301的博客 448

Python实战:3步搞定视频去重,告别重复文件烦恼(附完整代码)

本文提供了一套基于Python的视频去重实战方案,通过三步流程(抽帧、生成内容指纹、相似度比对)高效识别重复视频文件。文章详细介绍了使用dHash算法生成视频指纹的核心原理,并提供了完整的代码实现,帮助用户快速构建自己的视频去重工具,告别重复文件管理烦恼。

weixin_29054245的博客 379

沙猫群优化算法(SCSO)详解:从沙漠生存智慧到全局优化引擎

本文详细介绍了沙猫群优化算法(SCSO),这是一种新型元启发式优化算法,灵感来源于沙猫在沙漠环境中的卓越狩猎行为。SCSO通过模拟沙猫的低频探测能力和精确攻击策略,将优化问题转化为搜索和捕获"猎物"的过程。算法核心包括探索阶段(全局搜索)和开发阶段(局部精细搜索),通过灵敏度范围模型和自适应控制参数实现两者的平衡。SCSO具有参数简单、收敛性能好等优点,适用于解决复杂全局优化问题。

qq_42212808的博客 200

LLC电路细讲笔记(二)LLC谐振转换器:频率、增益与Q值的详细探讨

这本电子书通过详细分析LLC谐振转换器的工作原理、等效电路和增益公式,帮助读者深入理解如何设计和优化谐振转换器系统。通过这些公式和设计方法,工程师可以根据不同的应用需求调整参数,实现高效的电能转换。

weixin_43199439的博客 6872

从零开始之驱动发开、linux驱动(七、字符驱动之led最终版)

我们上一接用的gpiolib非常杂乱,使用了两种 1.各硬件厂商实现的,如s3c_gpio_cfgpin(S5PV210_GPJ0(5), S3C_GPIO_SFN(1)) 2.系统公共的,如gpio_set_value(S5PV210_GPJ0(4),val) 其实公共的也是对各硬件厂商的封装,用那个都可以,个人建议用系统公共的,应为这样换芯片厂商,不影响任何使用。   2.错误处理基...

To_run_away的博客 2386

【OpenClaw从入门到精通】第05篇:实战!OpenClaw自动化搞定邮件/日历/文件管理(2026实测避坑版)

本文聚焦OpenClaw核心实用场景,手把手教你实现邮件、日历、文件管理的全自动化。通过安装三大核心技能,配置IMAP/SMTP邮箱、跨平台日历及文件沙盒权限,结合4个虚拟实战案例,演示从邮件自动摘要、会议冲突预警到下载文件夹分类的完整流程。文中包含2026实测的命令代码、配置步骤、排障方案,所有案例需在测试环境验证,代码未上传GitHub。兼顾新手入门与进阶需求,让OpenClaw从“能聊天”升级为“能干活”,帮你节省80%重复工作时间。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 2674

NPU性能榨取手把手教程:RK3588上YOLOv5s多线程部署与120FPS极限探索

RK3588 YOLOv5s多线程部署优化指南 本教程深入解析RK3588芯片上YOLOv5s模型的高性能多线程部署方案。RK3588作为瑞芯微旗舰AIoT芯片,内置三核NPU(6TOPS算力)和硬件加速器(RGA/VPU),为AI推理提供强大支持。通过线程池技术,我们将视频处理的读取、推理、后处理等环节解耦并行,显著提升系统吞吐量。教程详细介绍了从PyTorch到RKNN格式的模型转换流程、INT8量化方法,以及基于RKNN C++ SDK的YOLOv5推理核心实现,帮助开发者最大化发挥RK3588的AI

LXY_LOVE36的博客 973

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

上一篇: 基于 EfficientFormer 的模型训练与评估:从数据处理到结果保存
下一篇: 基于图卷积网络(GCN)的分类任务实战:从数据加载到结果分析
遥感AI实战
博客等级 码龄9年 1002粉丝 107原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

遥感AI实战

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值