Real HSI-MSI-PAN image dataset for the hyperspectral/multi-spectral/panchromatic image fusion and super-resolution fields

现如今，大多数高光谱图像（HSI）融合实验都是基于模拟数据集来比较不同的融合方法。然而，用于创建模拟数据集的大多数光谱响应函数和空间下采样函数并不完全准确，导致生成的融合图像与真实的融合图像在空间和光谱特征上存在偏差。这降低了融合算法的可信度，导致不同算法之间的比较不公平，并阻碍了高光谱图像融合领域的发展。因此，我们发布了一个真实的HSI / MSI / PAN图像数据集，以促进高光谱图像融合领域的发展。这三个图像是空间注册的，意味着可以在HSI和MSI、HSI和PAN图像、MSI和PAN图像以及HSI、MSI和PAN图像之间进行融合。该真实数据集可以在https://aistudio.baidu.com/datasetdetail/281612上获得。处理数据的相关代码可以在https://github.com/rs-lsl/CSSNet上获得。

本论文旨在解决当前基于模拟数据集进行高光谱图像融合实验的不准确性问题，通过提供一个真实的高光谱/多光谱/全色图像数据集来促进该领域的发展。

该论文的关键思路是提供一个真实的高光谱/多光谱/全色图像数据集，这个数据集包含三个空间注册的图像，可以进行不同图像之间的融合，从而促进高光谱图像融合领域的发展。

该论文提供了一个真实的高光谱/多光谱/全色图像数据集，可用于不同图像之间的融合。数据集可以在https://aistudio.baidu.com/datasetdetail/281612获取，相关代码可以在https://github.com/rs-lsl/CSSNet获取。这个数据集的发布将促进高光谱图像融合领域的发展。

最近在该领域的相关研究包括：1. 'A review of recent advances in hyperspectral image fusion'，2. 'Hyperspectral and multispectral image fusion based on deep learning: A review'，3. 'A novel deep learning-based method for hyperspectral image fusion'.