归一化植被指数

归一化植被差指数

折叠所有页面

语法

输出= ndvi(hcube)

output = ndvi(hcube，'BlockSize'， BlockSize)

描述

输出=归一化植被指数(hcube）计算数据立方体中每个像素的归一化植被指数(NDVI)值，并返回NDVI图像。NDVI图像显示输入的高光谱数据的植被覆盖区域。该函数使用数据立方体中的红色(R)波段和近红外(NIR)波段图像计算NDVI值。的归一化植被指数函数分别对红色和近红外波段图像使用670 nm和800 nm波段反射率值。

输出=归一化植被指数(hcube“BlockSize”,blocksize）通过使用名称-值对参数指定用于高光谱数据立方体的块处理的块大小“BlockSize”．

该函数将输入图像划分为不同的块，对每个块进行处理，然后将每个块处理后的输出连接起来，形成输出矩阵。高光谱图像是多维数据集，可能太大，无法完全装进系统内存中。方法时，可能导致系统内存不足归一化植被指数函数。如果遇到这样的问题，请使用此语法执行块处理。

例如,归一化植被指数(hcube BlockSize, [50 50])将输入图像分成大小为50 × 50的不重叠块，然后计算每个块中像素的NDVI值。

请注意

来执行块处理“BlockSize”名称-值对参数，你必须有MATLAB^®R2021a或更高版本。

请注意

此函数需要图像处理工具箱™高光谱成像库．您可以安装图像处理工具箱高光谱成像库从Add-On Explorer。有关安装外接程序的详细信息，请参见获取和管理外接组件．

例子

全部折叠

利用NDVI图像测量高光谱数据中的植被覆盖度

这个例子使用了:

打开实时脚本

将高光谱数据读入工作空间。

超立方体(“indian_pines.dat”）;

计算数据立方体中每个像素的NDVI值。

ndviImg = ndvi(hcube);

方法从原始数据多维数据集中估计对比度拉伸的RGB图像彩色化函数。

rgbImg = colorize(hcube，“方法”，“RGB”，“ContrastStretching”,真正的);

显示原始和NDVI图像。

图=图(“位置”，[0 0 1200 600]);Axes1 =轴(“父”无花果,“位置”，[0 0.1 0.4 0.8]);imshow (rgbImg“父”axes1)标题(数据立方体的RGB图像) axes2 =轴(“父”无花果,“位置”，[0.45 0.1 0.4 0.8]);显示亮度图像(ndviImg“父”，axes2) colorbar title(“归一化植被指数图像”）

植被区域的NDVI值一般在0.2和0.8之间。NDVI值小于或等于0.2表示无植被。对NDVI图像进行阈值处理，对植被区域进行分割。指定阈值。

阈值= 0.2;

生成带有强度值的二值图像1对于分数大于或等于指定阈值的像素。所有其他像素的值都是0。二值图像中值为的区域1对应数据立方中NDVI值大于阈值的植被区域。

bw = ndviImg >阈值;

将二值图像叠加到RGB图像上并显示叠加图像。

overlayImg = imoverlay(rgbImg,bw，[0 1 0]);image (overlayImg)“植被区域覆盖在RGB图像上”）

根据一个光谱波段的总像元数和NDVI值大于0.2的像元数计算植被覆盖度。

numVeg = find(bw == 1);imgSize = size(hcube.DataCube,1)*size(hcube.DataCube,2);vegetationCover = length(num蔬菜)/imgSize

vegetationCover = 0.5696

识别植被和非植被光谱

这个例子使用了:

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

打开实时脚本

这个例子告诉你如何:

利用二维光谱数据作为超立方体来实现超光谱函数。
利用分离植被光谱和非植被光谱归一化植被指数函数。

加载二维光谱数据

将包含20个印第安松树数据集端元的二维光谱数据加载到工作空间中。

负载(“indian_pines_endmembers_20.mat”）

将印第安松树数据集的每个波段的波长值加载到工作空间中。

负载(“indian_pines_wavelength.mat”）

准备用于高光谱函数的测试数据

将二维光谱数据重塑为三维体积数据重塑函数。

[numSpectra,spectralDim] = size(端点成员);dataCube =重塑(端元，[numSpectra 1 spectralDim]);

创建3d超立方体对象，通过指定3-D卷数据来获得单个维度dataCube波长信息波长到超立方体函数。

hCube =超立方体(数据立方，波长);

计算NDVI以分离植被和非植被光谱

计算超立方体对象中每个频谱的NDVI值。

ndviVal = ndvi(hCube);

植被光谱的NDVI值通常大于零，而非植被光谱的NDVI值通常小于零。对植被光谱和非植被光谱进行阈值分割。

index = ndviVal > 0;

绘制植被和非植被端元图。

Subplot (2,1,1) plot(endmembers(index，:)')“植被endmembers”)包含(“乐队”) ylabel (“反射价值观”)轴紧Subplot (2,1,2) plot(endmembers(~index，:)')“Non-Vegetation endmembers”)包含(“乐队”) ylabel (“反射价值观”)轴紧

图中包含2个轴对象。标题为Vegetation端成员的Axes对象1包含17个类型为line的对象。标题为Non-Vegetation端成员的Axes对象2包含3个类型为line的对象。