主要内容

山姆

用光谱角映射器测量光谱相似度

在页面中全部折叠

    语法

    score = sam(inputData,refSpectra)
    score = sam(testSpectra,refSpectra)

    描述

    例子

    分数=山姆(inputData，refSpectra）测量高光谱数据中每个像素光谱之间的光谱相似性inputData和指定的参考光谱refSpectra利用谱角映射器(SAM)分类算法。使用此语法可识别高光谱数据立方体中的不同区域或材料。

    例子

    分数=山姆(testSpectra，refSpectra）测量指定测试光谱之间的光谱相似性testSpectra参考光谱refSpectra采用SAM分类算法。使用此语法将未知材料的光谱特征与参考光谱进行比较，或计算两个光谱特征之间的光谱变异性。

    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Add-On Explorer。有关安装插件的更多信息，请参见获取和管理插件．

    例子

    全部折叠

    这个例子使用了:

    打开实时脚本

    通过计算每个像素与数据立方体端元光谱之间的光谱角距离来区分高光谱数据立方体中的不同区域。

    将高光谱数据读入工作空间。

    超立方(“jasperRidge2_R198.hdr”）;

    方法确定数据立方体中光谱不同波段的数目countEndmembersHFC函数。

    numEndmembers = countEndmembersHFC(hcube)
    numEndmembers = 13

    利用NFINDR算法从数据立方体中提取端元谱特征。

    endmembers = nfindr(hcube,numEndmembers);

    画出端元的光谱特征。结果显示数据立方体中有14个不同的光谱区域。

    图图(端元)图例(“位置”，“Bestoutside”）

    图中包含一个axes对象。axis对象包含13个类型为line的对象。

    计算每个端元与数据立方体中每个像素光谱之间的光谱角距离。

    score = 0 (size(hcube.DataCube,1)，size(hcube.DataCube,2)，numEndmembers);为i = 1:numEndmembers score(:，:，i) = sam(hcube,endmembers(:，i));结束

    从每个像素光谱的距离得分中获得相对于所有端元的最小得分值。每个最小分数的索引标识了与像素光谱表现出最大相似性的端元光谱。一个索引值，n，在空间位置(x，y)表示空间位置像素的光谱特征(x，y的光谱特征最匹配nendmember。

    [~，matchingIndx] = min(score，[]，3);

    对高光谱数据立方体的RGB图像进行估计彩色化函数。显示RGB图像和匹配的索引值的矩阵。

    rgbImg = colorize(hcube，“方法”，“RGB”）;图(“位置”，[0 0 1100 500])副图(“位置”，[0 0.15 0.4 0.8]) imagesc(rgbImg)轴从标题(“RGB高光谱数据图像”)次要情节(“位置”，[0.45 0.15 0.4 0.8]) imagesc(matchingIndx)轴从标题(“匹配端元指数”) colorbar

    图中包含2个轴对象。标题为RGB Image of Hyperspectral Data的坐标轴对象1包含一个类型为Image的对象。axis对象2的标题为“匹配端点成员的索引”，包含一个类型为image的对象。

    这个例子使用了:

    打开实时脚本

    将高光谱数据读入工作空间。

    超立方(“indian_pines.dat”）;

    找出高光谱数据的十个端元。

    numEndmembers = 10;endmembers = nfindr(hcube,numEndmembers);

    考虑第一个端元作为参考谱，其余端元作为测试谱。计算参考和测试谱之间的SAM评分。

    score = 0 (1,numEndmembers-1);refSpectrum = endmembers(:，1);为i = 2:numEndmembers testSpectrum = endmembers(:，i);score(i-1) = sam(testSpectrum,refSpectrum);结束

    找出与参考谱具有最大相似度(最小距离)的测试谱。然后找到与参考谱相似度最小(距离最大)的测试谱。

    [minval,minidx] = min(分数);maxMatch = endmembers(:，minidx);[maxval,maxidx] = max(分数);minMatch = endmembers(:，maxidx);

    绘制参考谱、最大相似度和最小相似度测试谱。得分值最小的测试谱表明与参考端元的相似性最高。另一方面，得分最高的测试光谱具有最高的光谱变异性，表征了两种不同材料的光谱行为。

    图(refSpectrum)保持在情节(maxMatch“k”)情节(minMatch“r”)包含(带数字的) ylabel (的数据值)传说(参考光谱的，“最小匹配测试谱”，“最大匹配测试谱”，.．.“位置”，“Southoutside”)标题(“光谱之间的相似性”)注释(“textarrow”，[0.25 0.25]，[0.4 0.5]，“字符串”，[“最高分:”num2str (maxval)])注释(“textarrow”，[0.6 0.55]，[0.6 0.45]，“字符串”，[“最小得分:”num2str (minval)))

    图中包含一个axes对象。标题为Similarity Between Spectra的axis对象包含3个类型为line的对象。这些对象分别表示参考谱、最小匹配测试谱、最大匹配测试谱。

    输入参数

    全部折叠

    输入高光谱数据，指定为a超立方体对象或包含数据立方体的三维数字数组。如果输入是a超立方体对象，则数据从DataCube属性。

    测试光谱，指定为aC元向量。测试光谱是未知区域或物质的光谱特征。

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

    参考光谱，用a表示C元向量。参考光谱是已知区域或物质的光谱特征。函数将测试光谱与这些值进行匹配。

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

    输出参数

    全部折叠

    SAM分数，作为标量或矩阵返回。输出是

    • 标量—如果指定testSpectra输入参数。该函数将测试光谱签名与参考光谱签名进行匹配，并返回一个标量值。测试光谱和参考光谱必须是相同长度的向量。

    • 矩阵-如果指定inputData输入参数。该函数将数据立方体中每个像素的光谱签名与参考光谱签名进行匹配，并返回一个矩阵。如果数据多维数据集的大小米——- - - - - -N——- - - - - -C参考光谱是一个长度向量C，输出矩阵为大小米——- - - - - -N．

    SAM评分的每个元素都是以弧度为单位的光谱角，范围为[0,3.142]。越小的SAM评分表示测试签名和参考签名之间的强匹配。

    数据类型:单|双

    更多关于

    全部折叠

    光谱角成像仪

    给定测试光谱t还有参考光谱r的长度C， SAM评分α计算为

    α ＝ 因为 − 1 （ ∑ 我 ＝ 1 C t 我 r 我 ∑ 我 ＝ 1 C t 我 2 ∑ 我 ＝ 1 C r 我 2 ） ．

    参考文献

    Kruse, F.A, A.B. Lefkoff, J.W. Boardman, K.B. Heidebrecht, A.T. Shapiro, P.J. Barloon, A.F.H. Goetz。光谱图像处理系统(SIPS) -成像光谱仪数据的交互式可视化和分析。环境遥感44岁的没有。2-3(1993年5月):145-63。https://doi.org/10.1016/0034 - 4257 (93) 90013 - n。

    版本历史

    在R2020a中引入

    另请参阅

    |||||