Гиперспектральная обработка изображений

Импортируйте, экспортируйте, обработайте и визуализируйте гиперспектральные данные

Image Processing Toolbox™ Гиперспектральная Библиотека Обработки изображений предусматривает функции MATLAB® и инструменты для гиперспектральной обработки изображений и визуализации.

Используйте функции в этой библиотеке, чтобы считать, записать и обработать гиперспектральные данные, собранные при помощи гиперспектральных датчиков изображений во множестве форматов файлов. Библиотека поддерживает национальный формат передачи формирования изображений (NITF), среду для визуализации изображений (ENVI), тягового формата файла изображения (TIFF) и текстового расширения метаданных (MTL) форматы файлов.

Библиотека представляет набор алгоритмов для endmember экстракции, оценки карты распространенности, радиометрической и атмосферной коррекции, сокращения размерности, выбора полосы, спектрального соответствия и обнаружения аномалии.

Приложение Hyperspectral Viewer позволяет вам считать гиперспектральные данные, визуализировать отдельные изображения полосы и их гистограммы, создать график спектра для пикселя или области в гиперспектральном кубе данных, сгенерировать представления цветного или фиктивного цвета гиперспектральных изображений и метаданные отображения.

Чтобы выполнить гиперспектральный анализ изображения, загрузите Image Processing Toolbox Гиперспектральная Библиотека Обработки изображений с Add-On Explorer. Для получения дополнительной информации о загрузке дополнений смотрите, Получают и Управляют Дополнениями.

Приложения

Hyperspectral ViewerВизуализируйте гиперспектральные данные

Функции

развернуть все

Читайте и запишите

hypercubeСчитайте гиперспектральные данные
enviwriteЗапишите гиперспектральные данные в формат файла ENVI
enviinfoСчитайте метаданные из заголовочного файла ENVI

Выбор полосы и удаление полосы

selectBandsВыберите самые информативные полосы
removeBandsУдалите диапазоны из куба данных

Выбор ROI

assignDataПрисвойте новые данные гиперспектральному кубу данных
cropDataОбрежьте необходимые области

Преобразование цвета

colorizeОцените цветное изображение гиперспектральных данных
denoiseNGMeetDenoise гиперспектральные изображения, использующие нелокальный, соответствует глобальному подходу
sharpencnmfУвеличьте резкость гиперспектральных данных с помощью метода двойной неотрицательной матричной факторизации (CNMF)

Радиометрическая калибровка

dn2radianceПреобразуйте цифровой номер в сияние
dn2reflectanceПреобразуйте цифровой номер в коэффициент отражения
radiance2ReflectanceПреобразуйте сияние в коэффициент отражения

Атмосферная коррекция

correctOOBОткорректируйте внеполосный эффект с помощью датчика спектральный ответ
empiricalLineЭмпирическая калибровка линии на гиперспектральном кубе данных
fastInsceneВыполните быстро атмосферную коррекцию в сцене
flatFieldПлоская полевая коррекция на гиперспектральном кубе данных
iarrКоррекция внутреннего среднего относительного коэффициента отражения (IARR) на гиперспектральном кубе данных
logResidualsРегистрируйте остаточную коррекцию на гиперспектральном кубе данных
rrsВычислите коэффициент отражения дистанционного зондирования
subtractDarkPixelВычтите темные пиксели из гиперспектрального куба данных
sharcВыполните атмосферную коррекцию с помощью SHARC

Спектральная коррекция

reduceSmileУменьшайте спектральный эффект улыбки в гиперспектральном кубе данных
hyperpcaАнализ главных компонентов гиперспектральных данных
hypermnfМаксимальный шум фракционировал преобразование гиперспектральных данных
inverseProjectionВосстановите куб данных от полос основного компонента
ppiИзвлеките endmember подписи с помощью пиксельного индекса чистоты
fippiИзвлеките endmember подписи с помощью быстро итеративный пиксельный индекс чистоты
nfindrИзвлеките endmember подписи с помощью N-FINDR
countEndmembersHFCНайдите количество endmembers
estimateAbundanceLSОцените карты распространенности
readEcostressSigСчитайте данные из спектральной библиотеки ECOSTRESS
samИзмерьте спектральное подобие с помощью спектрального углового картопостроителя
sidИзмерьте спектральное подобие с помощью спектрального информационного расхождения
jmsamИзмерьте спектральное подобие с помощью метода Джеффриса Мэтузита-Спектрэла Энгла Мэппера
sidsamИзмерьте спектральное подобие с помощью спектральной информации спектральный расхождением угловой гибридный метод картопостроителя
ns3Измерьте нормированный спектральный счет подобия
spectralMatchИдентифицируйте неизвестные области или материалы, пользующиеся спектральной библиотекой
spectralIndicesВычислите гиперспектральные индексы
ndviНормированный индекс растительности
anomalyRXОбнаружьте аномалии с помощью детектора Тростника-Xiaoli

Темы

Начало работы с гиперспектральной обработкой изображений

Основы гиперспектральной обработки изображений.

Исследуйте гиперспектральные данные в Hyperspectral Viewer

В этом примере показано, как исследовать гиперспектральные данные с помощью приложения Hyperspectral Viewer.

Гиперспектральная коррекция данных

Описывает радиометрическую калибровку и атмосферную коррекцию.

Рекомендуемые примеры

Target Detection Using Spectral Signature Matching

Целевое обнаружение Используя спектральное соответствие подписи

Обнаружьте известную цель в гиперспектральном изображении при помощи спектрального метода сопоставления. Чистая спектральная подпись известного целевого материала используется, чтобы обнаружить и определить местоположение цели в гиперспектральном изображении. В этом примере вы будете использовать спектральный угловой картопостроитель (SAM) спектральный метод сопоставления обнаружить искусственные кровельные материалы (известная цель) в гиперспектральном изображении. Чистая спектральная подпись кровельного материала читается из спектрального lbrary ECOSTRESS и используется в качестве ссылочных спектров для спектрального соответствия. Спектральные подписи всех пикселей в кубе данных по сравнению со ссылочными спектрами, и лучшие пиксельные спектры соответствия классифицируются как принадлежащий целевому материалу.

Для просмотра документации необходимо авторизоваться на сайте