danaroth/whu_hi|高光谱图像数据集|农业分类数据集

WHU-Hi数据集（武汉无人机载高光谱图像）由武汉大学RSIDEA研究组收集和共享，可作为精确作物分类和高光谱图像分类研究的基准数据集。该数据集包含三个独立的无人机载高光谱数据集：WHU-Hi-LongKou、WHU-Hi-HanChuan和WHU-Hi-HongHu，均在中国湖北省的农业区域采集。这些数据集通过安装在无人机平台上的Headwall Nano-Hyperspec传感器获取，具有高空间分辨率（H2图像）。数据集预处理包括辐射校准和几何校正，使用仪器制造商提供的HyperSpec软件进行处理。每个数据集都包含了详细的采集时间、天气条件、传感器信息、飞行高度、图像尺寸、波段数量和空间分辨率等信息，并提供了不同作物类别的样本数量。

原始信息汇总

WHU-Hi 数据集概述

数据集简介

WHU-Hi 数据集（武汉无人机载高光谱图像）由武汉大学 RSIDEA 研究组收集并共享，可作为精确作物分类和高光谱图像分类研究的基准数据集。该数据集包含三个独立的无人机载高光谱数据集：WHU-Hi-LongKou、WHU-Hi-HanChuan 和 WHU-Hi-HongHu。所有数据集均在湖北省的农业区域通过安装在无人机平台上的 Headwall Nano-Hyperspec 传感器获取。

数据集预处理

数据集预处理包括辐射校正和几何校正，这些处理在仪器制造商提供的 HyperSpec 软件中进行。辐射校正通过传感器实验室校准参数将原始数字数值转换为辐射值。

WHU-Hi-LongKou 数据集

• 采集时间：2018年7月17日，13:49至14:37
• 地点：湖北省龙口镇
• 传感器：8mm焦距的Headwall Nano-Hyperspec成像传感器，安装在DJI Matrice 600 Pro（DJI M600 Pro）无人机平台上
• 天气条件：晴朗无云，温度约36°C，相对湿度约65%
• 研究区域：简单农业场景，包含六种作物：玉米、棉花、芝麻、阔叶大豆、窄叶大豆和水稻
• 飞行高度：500米
• 图像尺寸：550 x 400像素
• 波段数：270个波段，范围400至1000 nm
• 空间分辨率：约0.463米

类别及样本数

No.	Class name	Samples
C1	Corn	34511
C2	Cotton	8374
C3	Sesame	3031
C4	Broad-leaf soybean	63212
C5	Narrow-leaf soybean	4151
C6	Rice	11854
C7	Water	67056
C8	Roads and houses	7124
C9	Mixed weed	5229

WHU-Hi-HanChuan 数据集

• 采集时间：2016年6月17日，17:57至18:46
• 地点：湖北省汉川市
• 传感器：17mm焦距的Headwall Nano-Hyperspec成像传感器，安装在Leica Aibot X6无人机V1平台上
• 天气条件：晴朗无云，温度约30°C，相对湿度约70%
• 研究区域：城乡结合部，包含建筑物、水体和耕地，七种作物：草莓、豇豆、大豆、高粱、空心菜、西瓜和绿叶蔬菜
• 飞行高度：250米
• 图像尺寸：1217 x 303像素
• 波段数：274个波段，范围400至1000 nm
• 空间分辨率：约0.109米

类别及样本数

No.	Class name	Samples
C1	Strawberry	44735
C2	Cowpea	22753
C3	Soybean	10287
C4	Sorghum	5353
C5	Water spinach	1200
C6	Watermelon	4533
C7	Greens	5903
C8	Trees	17978
C9	Grass	9469
C10	Red roof	10516
C11	Gray roof	16911
C12	Plastic	3679
C13	Bare soil	9116
C14	Road	18560
C15	Bright object	1136
C16	Water	75401

WHU-Hi-HongHu 数据集

• 采集时间：2017年11月20日，16:23至17:37
• 地点：湖北省洪湖市
• 传感器：17mm焦距的Headwall Nano-Hyperspec成像传感器，安装在DJI Matrice 600 Pro无人机平台上
• 天气条件：多云，温度约8°C，相对湿度约55%
• 研究区域：复杂农业场景，包含多种作物和同一作物的不同品种
• 飞行高度：100米
• 图像尺寸：940 x 475像素
• 波段数：270个波段，范围400至1000 nm
• 空间分辨率：约0.043米

类别及样本数

No.	Class name	Samples
C1	Red roof	14041
C2	Road	3512
C3	Bare soil	21821
C4	Cotton	163285
C5	Cotton firewood	6218
C6	Rape	44557
C7	Chinese cabbage	24103
C8	Pakchoi	4054
C9	Cabbage	10819
C10	Tuber mustard	12394
C11	Brassica parachinensis	11015
C12	Brassica chinensis	8954
C13	Small Brassica chinensis	22507
C14	Lactuca sativa	7356
C15	Celtuce	1002
C16	Film covered lettuce	7262
C17	Romaine lettuce	3010
C18	Carrot	3217
C19	White radish	8712
C20	Garlic sprout	3486
C21	Broad bean	1328
C22	Tree	4040

AI搜集汇总

数据集介绍

构建方式

WHU-Hi数据集由武汉大学RSIDEA研究组采集并共享，包含三个独立的无人机载高光谱数据集：WHU-Hi-LongKou、WHU-Hi-HanChuan和WHU-Hi-HongHu。这些数据集在湖北省的不同农业区域通过搭载在无人机平台上的Headwall Nano-Hyperspec传感器获取。数据预处理包括辐射校准和几何校正，使用HyperSpec软件进行处理，将原始数字值转换为辐射值。每个数据集的采集时间和环境条件各异，确保了数据的多样性和代表性。

特点

WHU-Hi数据集的主要特点在于其高空间分辨率和高光谱分辨率，适用于精确作物分类和高光谱图像分类研究。数据集包含多种作物类型，覆盖不同的地理和气候条件，提供了丰富的样本和多样化的场景。此外，数据集还包含了详细的地面真值信息，便于进行精确的分类和分析。

使用方法

WHU-Hi数据集可用于学术研究，特别是在高光谱图像分类和作物识别领域。用户可以通过下载数据集并使用提供的预处理数据进行分析。数据集的详细信息和使用指南可在相关文献中找到，使用时需引用指定的研究论文。此外，数据集的版权属于武汉大学RSIDEA研究组，仅限学术用途，禁止商业使用。

背景与挑战

背景概述

WHU-Hi数据集由武汉大学RSIDEA研究组收集并共享，旨在为精准作物分类和高光谱图像分类研究提供基准数据集。该数据集包含三个独立的无人机高光谱数据集：WHU-Hi-LongKou、WHU-Hi-HanChuan和WHU-Hi-HongHu。这些数据集在湖北省的农业区域通过搭载在无人机平台上的Headwall Nano-Hyperspec传感器采集，具有高空间分辨率的特点。研究成果已发表在《Remote Sensing of Environment》期刊上，对高光谱图像分类和作物识别领域产生了重要影响。

当前挑战

WHU-Hi数据集在构建过程中面临多项挑战。首先，高光谱图像的高维特性增加了数据处理的复杂性，尤其是在数据预处理阶段，需要进行辐射校正和几何校正。其次，不同数据集在采集时的天气条件、光照条件和作物种类多样性，增加了分类任务的难度。此外，数据集中包含的多种作物类型及其变种，使得精准分类成为一个复杂的问题。这些挑战不仅影响了数据集的质量，也对后续的研究和应用提出了更高的要求。

常用场景

经典使用场景

WHU-Hi数据集在精准作物分类和超光谱图像分类研究中具有经典应用。通过无人机搭载的高分辨率超光谱传感器，该数据集提供了丰富的光谱信息和精细的空间分辨率，使得研究人员能够深入分析不同作物类型的光谱特征，从而实现高精度的作物分类。

解决学术问题

WHU-Hi数据集解决了超光谱图像分类中的关键学术问题，特别是在高空间分辨率下的作物识别。通过提供多样化的作物类型和复杂场景的数据，该数据集促进了深度学习模型在超光谱图像分析中的应用，推动了精准农业和遥感技术的发展。

衍生相关工作

基于WHU-Hi数据集，许多相关研究工作得以开展。例如，研究人员开发了基于深度卷积神经网络和条件随机场的作物分类模型，显著提高了分类精度。此外，该数据集还促进了无人机超光谱遥感技术的应用研究，推动了遥感数据处理和分析方法的创新。