Hyperspectral成像是一种使用专用传感器同时在许多窄波长下捕获数据的学科。高光谱数据通常表示为图像立方体，其中每个图像代表数十个或数百个窄波长范围或光谱带中的一个。高光谱成像使得能够对地区或物体的光谱特性进行测量和分析，其用于农业作物健康评估，环境降解监测和组织病理等应用中。
一组高光谱图像。在许多窄波长范围内捕获每个图像。
在哪里使用高光谱成像？
高光谱成像用于遥感，监控，机器视觉和医学成像等应用，具有识别材料和检测物体，异常和过程的主要目的。例如，遥感中的高光谱成像涉及使用卫星或空中图像检测和识别矿物质，地面植被和人造结构。
使用基于卫星的高光谱数据来识别不同的地面区域，基于它们的材料类型使用最大丰富分类。
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提供富有洞察力的诊断信息。
高光谱图像来自诺丁汉大学，通过在组织表面上闪光，并准确测量氧气水平并产生氧饱和度图以促进临床研究人员和医生的工作。
高光谱图像处理如何工作？
高光谱成像开始使用高光谱图像传感器捕获一组图像并表示为三维高光谱数据立方体。然后可以使用各种图像处理算法分析和处理该数据多维数据集，主要用于涉及分类，光谱匹配和解密的工作流程。
典型的超光图像处理工作流程，其涉及表示，分析和解释Hyperspectral图像中包含的信息。
例如，常见的超光图像处理技术，最大丰度分类（Mac），用于基于它们的光谱签名对图像中的像素进行分类，并将它们与对象或区域类相关联，也称为endmember类。
一种丰富的地图，使用高光谱图像的最大丰富分类，具有九个终点课程：沥青，草地，砾石，树木，彩绘金属板，裸土，沥青，自堵塞砖和阴影。
另一个常见任务涉及使用归一化差异植被指数或植被区域的高光谱图像的NDVI值，并在该值上施加阈值以测量该区域植被的相对健康。NDVI值越高，植被在该地区的更健康和密集。
具有最高NDVI值的（最右最多）图像具有指示的区域，绿色具有更健康和更密集的植被。
高光谱观众应用用于可视化高光谱数据和频谱配置文件。
圆润解密的终点提取和丰富地图估计。
MATLAB提供支持高光谱成像工作流程的数据探索，可视化和算法开发的工具。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，您可以与高光谱成像数据一起使用。
MATLAB用于绘制和可视化光谱匹配分数图。
