Sidsam.
使用光谱信息发散光谱角映射器混合方法测量光谱相似度
描述
分数= sidsam (inputData那refSpectrum的）inputData和指定的参考光谱refSpectrum通过使用光谱信息分歧光谱角映射器（SID-SAM）混合方法。使用此语法识别高光谱数据立方体中的不同区域或材料。有关SID-SAM方法的信息，请参阅更多关于．
分数= sidsam (testSpectrum那refSpectrum的）testSpectrum和参考光谱refSpectrum采用SID-SAM混合方法。使用此语法将未知物质的光谱特征与参考光谱进行比较，或计算两个光谱特征之间的光谱变异性。
笔记
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资源管理器。有关安装加载项的更多信息，请参阅获取和管理附加组件．
例子
利用SID-SAM混合测度识别高光谱区域
读取高光谱数据到工作区。
hcube =超立方体('jasperride2_r198.hdr'）;
使用方法估计数据立方体中光谱不同端元的数量countendmembershfc.功能。
numEndmembers = countEndmembersHFC (hcube,PFA的，10 ^ -7）;
使用NFINDR算法从数据多维数据集中提取终点谱签名。
endmembers = nfindr (hcube numEndmembers);
绘制提取的端元的光谱特征。
图绘制(endmembers)包含(“乐队”) ylabel ('反思'） 传奇（“位置”那“最好的方向”的）
计算数据立方体中每个端元与每个像素光谱之间的SID-SAM距离。
分数= 0(大小(hcube.DataCube, 1),大小(hcube.DataCube, 2), numEndmembers);为了i = 1：numendmembers得分（：，：，i）= sidsam（hcube，endmembers（：，i））;结尾
从每个像素谱相对于所有端点的距离得分计算最小得分值。每个最小分数的索引确定像素谱与之具有最大相似性的端元谱。索引值,N.，在空间位置（X那y)表示该像素在空间位置(X那y的光谱特征最匹配N.endmember。
[〜，matchingidx] = min（得分，[]，3）;
估计输入数据的RGB图像彩色化功能。
RGBIMG = COLORIZE（HCUBE，'方法'那“rgb”那“ContrastStretching”，真的）;
显示RGB图像和匹配索引值的矩阵。
图(“位置”，[0 0 800 400])副图(“位置”，[0 0.1 0.4 0.8]）ImageC（RGBIMG）轴从标题('高光谱数据的RGB图像'）子图（“位置”，[0.45 0.1 0.45 0.8]) imagesc(matchingIdx)轴从标题('匹配endmembers的指数') colorbar
使用SID-SAM确定EndMember Spectra的相似性
读取高光谱数据到工作区。
hcube =超立方体('jasperride2_r198.hdr'）;
找出高光谱数据的前10个端元。
numEndmembers = 10;endmembers = nfindr (hcube numEndmembers);
将第一个终点作为参考光谱和其余的终端中的测试谱。
refSpectrum = endmembers (: 1);testSpectra = endmembers(:, 2:结束);
绘制参考光谱和其他端环谱。
图绘图（RefSpectrum，'行宽'2);抓住在绘图（TestSpectra）;抓住从标签=细胞(1、numEndmembers-1);标签{1}=“参考”;为了itr = 1:numEndmembers-1 label{itr+1} = [“Endmember -”num2str（ITR）];结尾包含(“乐队”) ylabel ('反思')传说(标签,“位置”那“最好的方向”）;
计算参考和测试光谱之间的SID-SAM分数。
分数= 0(1、numEndmembers-1);为了ITR = 1：NumendMembers-1 TestSpectrum = TestSpectra（：，ITR）;得分（ITR）= SIDSAM（TESTSPECTRUM，REFSPECTRUM）;结尾
找出与参考光谱具有最大相似度(最小距离)的测试光谱。然后找出与参考光谱具有最小相似度(最大距离)的测试光谱。
[Minval，Minidx] = min（得分）;maxmatch = testspectra（：，minidx）;[maxval，maxidx] = max（得分）;minmatch = testspectra（：，maxidx）;
绘制参考光谱，最大相似度和最小相似性测试光谱。具有最小分数值的测试频谱表示与参考终点的最高相似性。另一方面，具有最大得分值的测试光谱具有最高的光谱变异性，并表征了两种不同材料的光谱行为。
图绘图（RefSpectrum，'行宽'，2）持有在情节(maxMatch“k”）绘图（minmatch，'r')包含('频段号') ylabel ('数据值'） 传奇（参考光谱的那“最大匹配测试谱”那'最小匹配测试谱'那......“位置”那'southoutside')标题(“光谱之间的相似性”1000年)文本(20日,(“马克斯得分:”num2str (maxval)),“颜色”那'r')文本(145、1800、'分数：'num2str（minval）]，“颜色”那“k”的）
输入参数
输出参数
更多关于
参考文献
[1], Chein-I。用于光谱表征的高光谱鉴别新方法。光学工程43，不。8（2004年8月1日）：1777。https://doi.org/10.1117/1.1766301
也可以看看
你也可以从以下列表中选择一个网站:
