estimateAbundanceLS
估计丰富地图
语法
描述
abundanceMap= estimateAbundanceLS (inputData,endmembers)
高光谱数据立方体可以包含纯和混合像素。纯像素表现出单个类的光谱特征,而混合像素表现出多个类的光谱特征。纯像素的光谱特征组成的endmembers识别独特的类存在于高光谱数据立方体。混合像素的光谱特征可以是两个或两个以上的endmember光谱的线性组合。丰富的地图标识的比例每个endmember出现在每个像素的光谱。高光谱数据立方体的空间维度米——- - - - - -N包含Pendmembers,存在P丰富的地图,每个大小米——- - - - - -N。
丰富的地图估计过程称为光谱分离,这是每个像素的光谱分解成一个给定的一组endmember光谱。
abundanceMap= estimateAbundanceLS (___“方法”,estMethod)
请注意
这个函数需要图像处理工具箱™高光谱影像库。您可以安装图像处理工具箱高光谱影像库从附加的探险家。关于安装插件的更多信息,请参阅获取和管理插件。
例子
丰度估计高光谱数据的地图
加载一个MAT-file包含一个高光谱数据立方体和endmember签名到工作区中。提取数据立方体和endmember签名。
data =负载(“indian_pines.mat”);dataCube = data.indian_pines;endmembers = data.signatures;
绘制endmember光谱。
情节(endmembers) numEndMem = num2str(大小(endmembers, 2));标题([“Endmembers数量:”numEndMem])
估计endmember光谱的丰度图。
abundanceMap = estimateAbundanceLS (dataCube endmembers);
为每个endmember光谱显示丰富的地图。丰富的地图的顺序是一样的订单endmembers的endmembers输入。
蒙太奇(abundanceMap“大小”(4 - 4),“BorderSize”10 [10]);colormap默认的标题(“Endmembers丰富地图”);
光谱分离提取Endmembers和丰富的地图
高光谱数据读入工作区。
hcube =超立方体(“jasperRidge2_R198.hdr”);
从高光谱数据中提取六endmembers。
endmembers = nfindr (hcube 6);
估计每个endmember的丰度图使用完全约束最小二乘方法。
abundanceMap = estimateAbundanceLS (hcube.DataCube endmembers,“方法”,尺柜的);
估计一个RGB图像数据的多维数据集使用彩色化函数。
rgbImg =再着色(hcube,“方法”,“RGB”);
显示RGB图像。
图显示亮度图像(rgbImg)标题(数据立方体的RGB图像)
endmember光谱显示丰富的地图。丰富的地图的顺序是一样的订单endmembers的endmembers输入参数。
图蒙太奇(abundanceMap (:,: 1:3),“大小”3 [1],“BorderSize”[20]20)colormap默认的colorbar标题(的丰度图Endmember Endmember 2 | 1 |丰富地图丰富地图Endmember 3 ',“字形大小”14)
图蒙太奇(abundanceMap (:,: 4:6),“大小”3 [1],“BorderSize”[20]20)colormap默认的colorbar标题(的丰度图Endmember Endmember 5 | 4 |丰富地图丰富地图Endmember 6 ',“字形大小”14)
输入参数
输出参数
引用
[1]Keshava, N。,and J.F. Mustard. “Spectral Unmixing.”IEEE信号处理杂志19日,没有。1(2002年1月):44-57。https://doi.org/10.1109/79.974727。
[2]凯,史蒂文。统计信号处理的基础。普伦蒂斯霍尔信号处理系列。恩格尔伍德悬崖,N。J:新世纪PTR, 1993年。
版本历史
介绍了R2020a
