高光谱成像是一门学科，它使用专门的传感器来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，其中每个图像代表几十或数百个狭窄的波长范围或光谱波段中的一个。高光谱成像能够测量和分析区域或物体的光谱特征，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。每张图像都是在无数个狭窄的波长范围内拍摄的。
高光谱成像在哪里使用?
高光谱成像用于遥感、监控、机器视觉和医学成像等应用，主要目的是识别材料、检测物体、异常和过程。例如，遥感中的高光谱成像涉及利用卫星或航空图像探测和识别矿物、陆地植被和人造建筑物。
利用基于卫星的高光谱数据来识别不同的陆地区域，基于它们的材料类型，使用最大数量分类．
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刻的诊断信息。
高光谱图像诺丁汉大学，通过照射组织表面，精确测量氧水平并生成氧饱和度图，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捉一组图像，并将它们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对这个数据立方体进行分析和处理，主要用于涉及分类、光谱匹配和分离的工作流。
典型的高光谱图像处理流程，包括表示、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，用于根据图像中的像素的光谱特征对它们进行分类，并将它们与一个对象或区域类(也称为端元类)关联起来。
利用高光谱图像的最大丰度分类生成的丰度地图，该高光谱图像具有9个端元类:沥青、草地、砾石、树木、涂漆金属板、裸露的土壤、沥青、自阻塞砖块和阴影。
另一个常见的任务涉及使用归一化植被指数或植被区高光谱图像的NDVI值，并对该值应用阈值来衡量该区域植被的相对健康程度。NDVI值越高，说明该地区植被越健康、密度越大。
NDVI值最高的(最右边)图像用绿色表示植被更健康、密度更大的区域。
基于MATLAB的高光谱成像
的高光谱影像库在MATLAB®提供了一套用于访问、预处理、分析和处理高光谱数据的功能和可视化能力。
的高光谱查看器应用程序支持高光谱数据的可视化和交互式探索。您可以将高光谱数据的各个波段作为灰度图像以及数据的颜色复合表示查看。该应用程序还可以创建光谱轮廓，以识别高光谱数据中的组成元素。
高光谱查看器应用程序可视化高光谱数据和光谱概况。
光谱分解的端元提取和丰度图估计。
MATLAB提供了支持高光谱成像工作流程的数据探索、可视化和算法开发工具。金宝app此外,图像处理工具箱™提供了一套全面的参考标准算法，您可以使用高光谱成像数据。
用MATLAB绘制和可视化光谱匹配分值图。
