Exponenta Banner
exponenta event banner

flatField

Применение коррекции плоского поля к кубу гиперспектральных данных

свернуть все на странице

    Синтаксис

    correctedData = flatField (inputData, король)

    Описание

    пример

    correctedData = flatField(inputData,roi) применяет коррекцию плоского поля к гиперспектральным данным, inputData, используя средний спектр плоского поля, вычисленный в заданной интересующей области (ROI) гиперспектральных данных. Действительный ROI имеет следующие признаки:

    • Топографически плоский

    • Спектрально плоский (равномерный спектральный отклик)

    • Сильный источник сигнала для уменьшения влияния случайного шума

    Примечание

    Для выполнения этой функции требуется библиотека гиперспектральных изображений Toolbox™ обработки изображений. Можно установить библиотеку гиперспектральных изображений панели инструментов обработки изображений из проводника надстроек. Дополнительные сведения об установке надстроек см. в разделе Получение надстроек и управление ими.

    Примеры

    свернуть все

    Открыть сценарий в реальном времени

    Считывание гиперспектральных данных в рабочую область.

    hcube = hypercube('paviaU');

    Укажите ROI, по которому вычисляется средний спектр плоского поля.

    roi = [1 1 10 10];

    Примените коррекцию плоского поля к гиперспектральным данным.

    hcube_flatfield = flatField(hcube,roi);

    Входные аргументы

    свернуть все

    Введите гиперспектральные данные, указанные как одна из следующих опций:

    • hypercube объект - DataCube имущества hypercube объект сохраняет гиперспектральный куб данных.

    • Числовой массив M-by-N-by-C - M и N - количество строк и столбцов пикселей в гиперспектральных данных соответственно. C - число спектральных полос в гиперспектральных данных.

    Входные значения пикселей могут быть цифровыми числами, значениями излучения ТОА или значениями отражения ТОА. Для преобразования гиперкуба, содержащего цифровые номера, в гиперкуб, содержащий данные о излучении ТОА или отражении ТОА, используйте dn2radiance или dn2reflectance функция, соответственно.

    ROI для вычисления среднего спектра плоского поля, заданного как 4-элементный вектор положительных целых чисел вида [xmin ymin width height ]. Вектор определяет прямоугольную окупаемость инвестиций в гиперспектральных данных. xmin и ymin - координаты xy верхнего левого угла ROI. ширина и высота - ширина и высота, соответственно, ROI, в пикселях

    Выходные аргументы

    свернуть все

    Исправленные гиперспектральные данные, возвращенные как hypercube объект или числовой массив M-by-N-by-C, соответствующий входным данным, inputData. Если входные данные в inputData имеет тип данных double, то исправленные данные также относятся к типу данных double. В противном случае исправленные данные имеют тип данных single.

    Ссылки

    [1] Робертс, Д. А., Я. Ямагути и Р. Дж. П. Лион. «Сравнение различных методов калибровки данных АИС». В трудах второго семинара по анализу данных спектрометра аэрофотосъемки, ред. Грегг Вейн и Александр Ф. Х. Гетц, 21 -30. Пасадина: Лаборатория реактивного движения, 1986 год.

    См. также

    | | | | | |

    Представлен в R2020b

    Документация по инструментам обработки изображений

    Поддержка