Нормализованный индекс растительности
output = ndvi(hcube)ndvi функция использует значения отражательной способности диапазона 670 нм и 800 нм для изображений красного и NIR-диапазона соответственно.
output = ndvi(hcube,'BlockSize',blocksize)'BlockSize'.
Функция делит входное изображение на отдельные блоки, обрабатывает каждый блок, а затем объединяет обработанные выходные данные каждого блока для формирования выходной матрицы. Гиперспектральные изображения - это многомерные наборы данных, которые могут быть слишком большими, чтобы поместиться в системную память целиком. Это может привести к нехватке памяти во время работы ndvi функция. Если возникает такая проблема, выполните обработку блоков с помощью этого синтаксиса.
Например, ndvi(hcube,'BlockSize',[50 50]) делит входное изображение на неперекрывающиеся блоки размером 50 на 50 и затем вычисляет значения NDVI для пикселей в каждом блоке.
Примечание
Выполнение обработки блоков путем указания 'BlockSize' аргумент пары имя-значение, необходимо иметь R2021a MATLAB или более позднюю версию.
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.
Считывание гиперспектральных данных в рабочую область.
hcube = hypercube('indian_pines.dat');Вычислите значение NDVI для каждого пикселя в кубе данных.
ndviImg = ndvi(hcube);
Оценка растянутого на контраст изображения RGB из исходного куба данных с помощью colorize функция.
rgbImg = colorize(hcube,'Method','RGB','ContrastStretching',true);
Отображение оригинала и изображения NDVI.
fig = figure('Position',[0 0 1200 600]); axes1 = axes('Parent',fig,'Position',[0 0.1 0.4 0.8]); imshow(rgbImg,'Parent',axes1) title('RGB Image of Data Cube') axes2 = axes('Parent',fig,'Position',[0.45 0.1 0.4 0.8]); imagesc(ndviImg,'Parent',axes2) colorbar title('NDVI Image')
Области растительности обычно имеют значения NDVI от 0,2 до 0,8. Значения NDVI, меньшие или равные 0,2, указывают на отсутствие растительности. Выполнение пороговой обработки изображения NDVI для сегментации областей растительности. Укажите пороговое значение.
threshold = 0.2;
Создание двоичного изображения со значением интенсивности 1 для пикселов с результатом больше или равным указанному порогу. Все остальные пикселы имеют значение 0. Области в двоичном изображении со значением 1 соответствуют регионам растительности в кубе данных со значениями NDVI, превышающими пороговое значение.
bw = ndviImg > threshold;
Наложение двоичного изображения на изображение RGB и отображение наложенного изображения.
overlayImg = imoverlay(rgbImg,bw,[0 1 0]);
figure
imagesc(overlayImg)
title('Vegetation Region Overlaid on RGB Image')
Вычислить растительный покров на основе общего числа пикселей в спектральной полосе и числа пикселей со значением NDVI больше 0,2.
numVeg = find(bw == 1); imgSize = size(hcube.DataCube,1)*size(hcube.DataCube,2); vegetationCover = length(numVeg)/imgSize
vegetationCover = 0.5696
[1] Хабудан, Д. «Гиперспектральные индексы растительности и новые алгоритмы прогнозирования зеленого LAI пологов сельскохозяйственных культур: моделирование и валидация в контексте точного земледелия». Дистанционное зондирование окружающей среды 90, № 3 (15 апреля 2004 года): 337-52. https://doi.org/10.1016/j.rse.2003.12.013.