高光谱数据处理实战：从Indian Pines入门到Python可视化全解析

第一次接触高光谱数据的研究者，往往会被.mat格式的文件搞得一头雾水。Indian Pines作为经典的高光谱数据集，包含了丰富的农作物光谱信息，但如何用Python正确读取和处理这些数据却成了许多人的第一道门槛。本文将带你从零开始，一步步掌握高光谱数据处理的核心技巧。

1. 理解高光谱数据与Indian Pines数据集

高光谱图像与传统RGB图像的最大区别在于其丰富的光谱维度。Indian Pines数据集采集自印第安纳州的农田区域，包含224个光谱波段（从0.4μm到2.5μm），空间分辨率为20米。原始数据以.mat格式存储，这是MATLAB的标准数据格式，但在Python生态中同样可以方便地处理。

数据集包含两个关键文件：

• Indian_pines.mat：高光谱图像数据立方体（145×145×224）
• Indian_pines_gt.mat：对应的地物分类标签（145×145）

常见误区：很多初学者会误以为.mat文件是某种加密或特殊压缩格式，实际上它只是MATLAB的工作空间保存格式，可以包含多种数据结构。

2. Python环境准备与数据加载

2.1 安装必要的Python库

处理高光谱数据需要几个核心库：

pip install numpy scipy matplotlib spectral

spectral库是专门为高光谱图像处理设计的，提供了丰富的可视化功能。

2.2 正确加载.mat文件

使用scipy的loadmat函数可以轻松读取.mat文件：

from scipy.io import loadmat

# 加载图像数据和标签数据
data = loadmat('Indian_pines.mat')
gt_data = loadmat('Indian_pines_gt.mat')

# 提取实际数据数组
input_image = data['indian_pines']  # 高光谱数据立方体
input_gt = gt_data['indian_pines_gt']  # 地面真实标签

注意：不同版本的Indian Pines数据集可能使用不同的变量名，常见的有'indian_pines'、'indian_pines_corrected'等。如果遇到KeyError，可以先用data.keys()查看所有可用键名。

3. 数据探索与可视化

3.1 理解数据结构

加载后的数据是numpy数组，我们可以检查其形状和数据类型：

print(f"图像数据形状：{input_image.shape}")  # 应显示(145, 145, 224)
print(f"标签数据形状：{input_gt.shape}")    # 应显示(145, 145)
print(f"数据类型：{input_image.dtype}")     # 通常是float32或uint16

3.2 假彩色合成可视化

高光谱数据有224个波段，我们需要选择三个波段组合成假彩色图像：

from spectral import imshow

# 选择第29、19、9波段作为RGB通道
view = imshow(input_image, (29, 19, 9), classes=input_gt)

spectral.imshow函数会自动进行对比度拉伸，使图像更清晰可见。classes参数可选，用于叠加分类标签。

3.3 保存可视化结果

虽然spectral库的ImageView对象不能直接用于特征提取，但我们可以保存为普通图像：

from spectral import save_rgb

save_rgb('indian_pines_rgb.jpg', input_image, [29, 19, 9])

4. 数据处理进阶技巧

4.1 波段选择与降维

高光谱数据维度高，实际应用中常需要进行降维：

import numpy as np

# 计算所有波段的均值图像
mean_band = np.mean(input_image, axis=2)

# 选择特定范围的波段（如可见光区域）
visible_bands = input_image[:, :, 30:80]

4.2 数据归一化

不同波段的数值范围差异大，通常需要归一化：

# 最小-最大归一化
normalized = (input_image - np.min(input_image)) / (np.max(input_image) - np.min(input_image))

# 波段标准化（每个波段单独处理）
for i in range(input_image.shape[2]):
    band = input_image[:, :, i]
    input_image[:, :, i] = (band - np.mean(band)) / np.std(band)

4.3 标签数据处理

分类标签通常需要转换为更适合机器学习的形式：

# 获取所有类别
unique_classes = np.unique(input_gt)
print(f"数据集包含{len(unique_classes)}个类别")

# 创建one-hot编码（示例）
num_classes = len(unique_classes)
one_hot = np.zeros((input_gt.size, num_classes))
for i, cls in enumerate(unique_classes):
    one_hot[input_gt.ravel() == cls, i] = 1

5. 常见问题与解决方案

5.1 文件加载错误

问题：加载.mat文件时出现KeyError
解决：

data = loadmat('Indian_pines.mat')
print(data.keys())  # 查看所有可用键名
input_image = data[list(data.keys())[3]]  # 通常数据在第四个键

5.2 内存不足

高光谱数据可能很大，内存不足时可以：

• 使用mmap_mode='r'参数：

  data = loadmat('Indian_pines.mat', mat_dtype=True, matlab_compatible=False)
  

• 分块处理数据

5.3 可视化问题

如果spectral库的imshow显示异常：

1. 检查波段索引是否超出范围（应小于224）
2. 尝试不同的波段组合
3. 确保数据没有NaN或Inf值

# 检查无效值
print(f"NaN值数量：{np.isnan(input_image).sum()}")
print(f"Inf值数量：{np.isinf(input_image).sum()}")

6. 实际应用案例：农作物分类预处理

假设我们要对Indian Pines进行农作物分类，完整的预处理流程可能包括：

1. 数据加载与验证
2. 去除噪声波段（通常是前几个和后几个波段）
3. 辐射校正（如需要）
4. 数据归一化
5. 创建训练测试集

# 示例：创建训练测试集
from sklearn.model_selection import train_test_split

# 展平空间维度
X = input_image.reshape(-1, input_image.shape[2])
y = input_gt.ravel()

# 移除未标记像素
labeled = y != 0
X_labeled = X[labeled]
y_labeled = y[labeled] - 1  # 类别从0开始

# 划分训练测试集
X_train, X_test, y_train, y_test = train_test_split(
    X_labeled, y_labeled, test_size=0.3, random_state=42)

高光谱数据处理看似复杂，但只要掌握了正确的方法和工具，就能充分发挥其独特优势。在实际项目中，建议从简单可视化开始，逐步深入理解数据结构，再根据具体任务设计处理流程。Indian Pines作为经典数据集，是练习高光谱处理的绝佳起点。