nfindr

使用N-FINDR提取端成员签名

折叠所有页面

语法

endmembers = nfindr (inputData numEndmembers)

endmembers = nfindr (inputData numEndmembers、名称、值)

描述

endmembers= nfindr (inputData，numEndmembers）从高光谱数据中提取端元特征多维数据集通过使用N-finder (N-FINDR)算法。numEndmembers为使用N-FINDR算法提取的端成员签名的个数。有关N-FINDR方法的更多信息，请参见算法．

例子

endmembers= nfindr (inputData，numEndmembers，名称,值）除了前面语法中的输入参数外，还使用一个或多个名称-值对参数指定选项。使用此语法设置迭代次数和降维选项。

请注意

此函数需要图像处理工具箱™高光谱成像库．你可以安装图像处理工具箱高光谱成像库从附加的探险家。有关安装附加组件的详细信息，请参见获取和管理附加组件．

例子

全部折叠

使用N-FINDR方法提取端元

这个示例使用:

图像处理工具箱高光谱成像库图像处理工具箱高光谱成像库

打开生活的脚本

读取高光谱数据到工作空间。

hcube =超立方体(“paviaU.hdr”）;

使用，找到存在于高光谱数据立方体中的光谱不同端元的数目countEndmembersHFC函数。

numEndmembers = countEndmembersHFC (hcube,PFA的, 10 ^ 7);

使用N-FINDR方法计算端成员。默认情况下,nfindr函数使用最大噪声分数(MNF)变换进行预处理。迭代次数的默认值是估计的端成员数量的3倍。

endmembers = nfindr (hcube.DataCube numEndmembers);

绘制高光谱数据的端元。

图绘制(endmembers)包含(带数字的) ylabel (的像素值) ylim([0 9000]) title({“Endmembers光谱”，['端元数= 'num2str (numEndmembers)]});

设置N-FINDR参数值查找端成员

这个示例使用:

图像处理工具箱高光谱成像库图像处理工具箱高光谱成像库

打开生活的脚本

读取高光谱数据到工作空间。

hcube =超立方体(“paviaU.hdr”）;

使用，找到存在于高光谱数据立方体中的光谱不同端元的数目countEndmembersHFC函数。

numEndmembers = countEndmembersHFC (hcube,PFA的, 10 ^ 7);

使用N-FINDR方法计算端成员。将迭代次数的值指定为1000。选择主成分分析(PCA)作为降维方法进行预处理。

endmembers = nfindr (hcube。DataCube numEndmembers,“NumIterations”, 1000,“ReductionMethod”，主成分分析的）;

绘制高光谱数据的端元。

图绘制(endmembers)包含(带数字的) ylabel (的像素值) ylim([0 9000]) title({“Endmembers光谱”，['端元数= 'num2str (numEndmembers)]});

输入参数

全部折叠

`inputData`- - - - - -输入高光谱数据
三维数值数组|`超立方体`对象

输入高光谱数据，指定为三维数字数组或超立方体对象。如果输入是a超立方体对象，然后函数从其中读取高光谱数据DataCube财产。

高光谱数据是一个大小不一的数字数组米——- - - - - -N——- - - - - -C．米和N分别为高光谱数据的行数和列数。C为高光谱数据中的光谱波段数。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`numEndmembers`- - - - - -endmembers数量
积极的标量整数

要提取的端元数，指定为正标量整数。该值必须在范围[1C］．C为输入的高光谱数据中的光谱波段数。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“NumIterations”nfindr(立方体,7日,100年,“方法”,“没有一个”)

`NumIterations`- - - - - -的迭代次数
`3.P`(默认)|积极的标量整数

迭代次数，指定为正标量整数。默认值为3.P．P要提取的端成员签名的数量。算法的计算时间随着迭代次数的增加而增加。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`ReductionMethod`- - - - - -降维方法
`“延长”`(默认)|`主成分分析的`

降维方法，指定为以下值之一:

“延长”—使用最大噪声分数(MNF)方法进行降维。这是默认值。
主成分分析的—采用主成分分析(PCA)方法降维。

如果指定此参数，则该函数首先使用指定的方法降低输入数据的光谱维数。然后，从简化后的数据中计算端成员签名。

数据类型:字符|字符串

输出参数

全部折叠

`endmembers`——Endmember签名
C——- - - - - -P矩阵

端成员签名，返回为size矩阵C——- - - - - -P数据类型与输入的高光谱数据类型相同。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

算法

N-FINDR是一种寻找高光谱数据端元的迭代方法。该方法假定由端元(最纯粹的像素)形成的单形的体积大于由任何其他像素[1]组合定义的任何其他体积。所涉及的步骤如下:

利用MNF或PCA计算输入数据的主成分波段，降低光谱维数。将要提取的主成分波段的数量设置为要提取的端元的数量。端元从主成分带中提取。
随机选择n将简化后的数据中的像素光谱数作为初始端元集。
对于迭代1，将初始端元集合表示为 $｛ e_{1}^{（ 1 ）} ， e_{2}^{（ 1 ）} ， \dots ， e_{p}^{（ 1 ）} ｝$ ．
将端元视为单形的顶点，用

$V （ E^{（ 1 ）} ）＝ | 依据（ E^{（ 1 ）} ） |$

在哪里 $E^{（ 1 ）} ＝［ \begin{array}{l} 1 1 \dots 1 \\ e_{1}^{（ 1 ）} e_{2}^{（ 1 ）} \dots e_{p}^{（ 1 ）} \end{array} ］$ ．
对于迭代2，选择一个新的像素光谱r,这样 $r \notin ｛ e_{1}^{（ 1 ）} ， e_{2}^{（ 1 ）} ， \dots ， e_{p}^{（ 1 ）} ｝$ ．
将集合中的每个端成员替换为r计算单形的体积V（E^（2））．
取代我^th集合中的端元r，如果计算的体积V（E^（2））大于V（E^(1））．这将产生一组更新的端元。例如,如果我= 2时，在第二次迭代结束时得到的新端成员集为 $｛ e_{1}^{（ 2 ）} ， e_{2}^{（ 2 ）} ＝ r ， \dots ， e_{p}^{（ 2 ）} ｝$ ．
对于每个迭代，选择一个新的像素光谱r重复步骤5和6。每次迭代都会产生一个端成员的更新集。当迭代总数达到指定值时，迭代结束NumIterations．