主要内容

ppi

使用像素纯度索引提取端成员签名

折叠所有页面

    语法

    endmembers = ppi (inputData numEndmembers)
    endmembers = ppi (inputData numEndmembers、名称、值)

    描述

    例子

    端成员= ppi (输入数据，纽曼成员）从高光谱数据中提取端成员特征多维数据集通过使用像素纯度指数（PPI）算法。纽曼成员是要使用PPI算法提取的端成员签名数。

    该函数将高光谱数据投影到一组随机生成的单位向量上。单位向量方向上具有极值的像素被视为纯像素，它们构成端成员。输入数据中所有光谱带的端成员值包括端成员签名。有关更多信息，请参阅n、 看算法．

    例子

    端成员= ppi (输入数据，纽曼成员，名称、值）除了前面语法中的输入参数外，还使用一个或多个名称-值对参数指定选项。使用此语法设置的选项

    • 用于投影的随机生成的单位向量的数目。

    • 从简化的高光谱数据中提取端成员特征。

    请注意

    此函数需要图像处理工具箱™ 高光谱成像库. 您可以安装图像处理工具箱高光谱成像库从附加的探险家。有关安装附加组件的详细信息，请参见获取和管理附加组件．

    例子

    全部崩溃

    此示例使用：

    打开实时脚本

    将高光谱数据读入工作区。

    hcube=超立方体(“paviaU.hdr”);

    通过使用查找高光谱数据立方体中存在的光谱不同端成员的数量countEndmembersHFC函数。

    numEndmembers=countEndmembersHFC（hcube，“PFA”, 10 ^ 7);

    使用像素纯度指数（PPI）方法计算端成员。默认情况下ppi函数使用最大噪声分数（MNF）变换进行预处理。用于投影的默认串数为 1 0 4 十乘四 ．

    endmembers=ppi（hcube.DataCube，numEndmembers）；

    绘制高光谱数据的末端成员。

    图形打印（端件）xlabel(带数字的)伊拉贝尔(“像素值”)头衔({“Endmembers光谱”,['最终成员数='num2str (numEndmembers)]});ylim (9000 [0])

    此示例使用：

    打开实时脚本

    将高光谱数据读入工作区。

    hcube=超立方体(“paviaU.hdr”);

    通过使用查找高光谱数据立方体中存在的光谱不同端成员的数量countEndmembersHFC函数。

    numEndmembers=countEndmembersHFC（hcube，“PFA”, 10 ^ 7);

    使用像素纯度指数(PPI)方法计算端元。指定用于投影的单位向量的数量为100。同时，选择主成分分析(PCA)方法进行降维。

    endmembers = ppi (hcube。DataCube numEndmembers,“NumVectors”, 100,“ReductionMethod”，“PCA”);

    绘制高光谱数据的末端成员。

    图形打印（端件）xlabel(带数字的)伊拉贝尔(“像素值”) ylim([0 9000]) title({“Endmembers光谱”,['最终成员数='num2str (numEndmembers)]});

    输入参数

    全部崩溃

    输入高光谱数据，指定为三维数字数组或超立方体对象。如果输入是a超立方体对象，然后函数从其中读取高光谱数据立方体数据立方体财产。

    高光谱数据是一个大小为的数字数组米-借-N-借-C．米和N分别是高光谱数据中的行数和列数。C是高光谱数据中的光谱带数。

    数据类型:单|双重的|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    要提取的端成员数，指定为正标量整数。该值必须在范围内[1C].C为输入的高光谱数据中的光谱波段数。

    数据类型:单|双重的|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    名称-值参数

    指定可选的逗号分隔的对名称、值论据。的名字参数名和价值是对应的值。的名字必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：名称1，值1，…，名称，值．

    例子：ppi (inputData 7“NumVectors”,100年,“方法”,“没有一个”)

    随机单位向量的数量，指定为逗号分隔的'NumVectors'和一个正的标量整数。提取的端元的精度随着用于投影的向量的数目而增加。然而，增加向量的数量也会增加计算复杂度。

    数据类型:单|双重的|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    维数缩减方法，指定为逗号分隔的'还原法”,“延长”，“PCA”,或“没有”．

    如果将值指定为“延长”或“PCA”，该函数首先使用指定的方法降低输入数据的谱维数。然后，从简化后的数据中计算端成员签名。

    • “延长”-使用最大噪声分数（MNF）方法执行降维。

    • “PCA”-使用主成分分析（PCA）方法进行降维。

    如果将值指定为“没有”，该函数不执行降维。端成员签名直接从输入数据中提取。

    数据类型:烧焦|字符串

    输出参数

    全部崩溃

    端成员签名，作为大小矩阵返回C-借-P数据类型与输入的高光谱数据相同。

    数据类型:单|双重的|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    算法

    像素纯度指数(PPI)方法计算高光谱数据值在一组随机生成的单位向量上的正交投影串．然后，该方法计算每个数据值的PPI计数。PPI计数是数据值作为极值点投射到这些串上的次数。那些超过预期的PPI计数的数据值组成了高光谱数据的端元。PPI是一种非迭代方法，涉及的步骤总结如下:

    1. 利用MNF或PCA计算输入数据的主成分频带并降维。将要提取的主成分波段的数量设置为要提取的端元的数量。

    2. 生成k长度与输入数据相同的串数。

    3. 让r是表示像素光谱的样本向量。然后，将样本向量正交投影到每个串上并找到极值。

    4. 存储每个极值的位置并计算它们的出现次数。发生的数量被称为PPI计数。

    5. 找到输入数据立方体中每个像素光谱的PPI计数。

    6. 按照它们的PPI计数降序排列像素光谱，并识别第一个n作为端元的有序集合中的像素光谱数。要选择的端成员的数量由输入参数指定纽曼成员．

    工具书类

    [1] j.w. Boardman, F.A. Kruse和R.O. Green，“通过部分非混合AVIRIS数据绘制目标特征”，技术报告，加利福尼亚，美国，1995。

    另请参阅

    |||

    介绍了R2020a

    图像处理工具箱文档

    万博1manbetx

    用MATLAB引入深度学习

    用MATLAB引入深度学习

    下载电子书