高光谱图像识别不同地区通过执行最大数量分类(MAC)。丰富的地图描述endmember在高光谱图像的分布。图像中每个像素是纯像素或混合像素。丰度值的组获得每个像素代表的比例每个endmembers存在于像素。在这个例子中,您将在高光谱图像分类像素通过寻找每个像素的最大丰度值并将它分配给相关endmember类。

在高光谱图像分类像素通过使用光谱角映射器(SAM)分类算法。该算法分类测试数据通过计算每个像素的光谱匹配分数之间的一个像素的光谱和纯光谱签名从ECOSTRESS读取光谱库。这个例子使用一个数据样本碧玉岭数据集作为测试数据。测试数据包含四个endmembers潜伏,包括道路、土壤、水和树木。在本例中,您将:

高光谱图像分类使用自定义光谱卷积神经网络(CSCNN)分类。

预处理高光谱图像分类,使用支持向量机(SVM)分类器。万博1manbetx要运行这个示例,您必须有一个许可证统计和机器学习的工具箱™。

识别类endmember材料出现在高光谱图像。endmembers纯光谱特征,表示像素的反射率特征属于一个单一的表面材料。现有endmember提取或识别算法提取或标识纯像素高光谱图像。然而,这些技术不确定的材质名称或类endmember频谱属于。在本例中,您将提取endmember签名,然后分类或识别类endmember材料的高光谱图像通过使用光谱匹配。

检测到一个已知的目标在高光谱图像通过使用光谱匹配方法。已知的目标材料的纯光谱特征用于高光谱图像目标检测和定位。在这个例子中,您将使用光谱角映射器(SAM)光谱匹配方法检测人造屋面材料(目标)的高光谱图像。屋面材料的纯光谱特征从ECOSTRESS读谱库和用作参考光谱光谱匹配。中的所有像素的光谱特征数据立方体与参考光谱和最好的匹配像素光谱分类属于目标材料。

高光谱图像识别类型的疣状赘生物地区通过交互式阈值的归一化植被指数(NDVI)地图。高光谱数据的归一化植被指数图显示的密度各区域的植被高光谱数据。NDVI值计算使用近红外(NIR)和红色(R)可见光谱带高光谱数据立方体的照片。

确定水和植被地区8陆地卫星多光谱图像和空间参考图像。