高光谱成像是一门学科，它使用专门的传感器同时捕获多个窄波长的数据。高光谱数据通常表示为一个图像立方体，其中每个图像表示数十个或数百个窄波长范围或光谱带中的一个。高光谱成像可实现测量和分析区域或物体光谱特征的sis，用于农业作物健康评估、环境退化监测和组织病理学等应用。
一组高光谱图像。每幅图像都是在许多窄波长范围内拍摄的。
高光谱成像在哪里使用？
高光谱成像用于遥感、监视、机器视觉和医学成像等应用，其主要目的是识别材料和探测对象、异常和过程。例如，遥感中的高光谱成像涉及探测和识别矿物、陆地植被和人为因素e使用卫星或航空图像的建筑物。
使用基于卫星的高光谱数据，根据不同的物质类型，使用最大丰度分类.
在医学成像中，组织表面的高光谱成像分析可以为组织病理学提供深入的诊断信息。
高光谱图像诺丁汉大学，通过在组织表面发光，精确测量氧含量，生成血氧饱和度图，以方便临床研究人员和医生的工作。
高光谱图像处理是如何工作的？
高光谱成像首先使用高光谱图像传感器捕获一组图像，并将其表示为三维图像高光谱数据立方体。然后可以使用各种图像处理算法分析和处理此数据立方体，主要用于涉及分类、光谱匹配和分解的工作流。
一个典型的高光谱图像处理工作流，涉及表示、分析和解释高光谱图像中包含的信息。
例如，一种常见的高光谱图像处理技术，最大丰度分类（MAC），用于根据光谱特征对图像中的像素进行分类，并将其与对象或区域类（也称为端成员类）关联。
使用高光谱图像的最大丰度分类生成的丰度图，包含九个端元类别：沥青、草地、砾石、树木、涂漆金属板、裸土、沥青、自阻挡砖和阴影。
另一项常见任务涉及使用归一化差分植被指数或植被区域高光谱图像的NDVI值，并对该值应用阈值来测量该区域植被的相对健康度。NDVI值越高，该区域的植被越健康、越密集。
NDVI值最高的（最右边）图像显示了绿色植被更健康、更密集的区域。
基于MATLAB的高光谱成像
这个高光谱成像库在MATLAB中®提供一组用于访问、预处理、分析和处理高光谱数据的功能和可视化功能。
这个超光谱查看器应用程序实现高光谱数据的可视化和交互式探索。可以将高光谱数据的各个波段视为灰度图像以及数据的颜色合成表示。该应用程序还可以创建光谱剖面，识别高光谱数据中的构成元素。
用于可视化高光谱数据和光谱剖面的高光谱查看器应用程序。
光谱分解的端元提取和丰度图估计。
MATLAB为数据探索、可视化和算法开发提供了支持高光谱成像工作流的工具。此外金宝app图像处理工具箱™提供一套全面的参考标准算法，可用于高光谱成像数据。
MATLAB用于绘制和可视化光谱匹配分数图。
