主要内容

山姆

使用光谱角制图仪测量光谱相似性

折叠所有页面

    语法

    分数=山姆(inputData refSpectra)
    分数=山姆(testSpectra refSpectra)

    描述

    例子

    分数=山姆(inputData，refSpectra）测量高光谱数据中每个像素的光谱之间的光谱相似性inputData和指定的参考光谱refSpectra采用光谱角度制图仪(SAM)分类算法。使用这种语法来识别高光谱数据立方体中的不同区域或材料。

    例子

    分数=山姆(testSpectra，refSpectra）测量指定的测试光谱之间的光谱相似性testSpectra和参考光谱refSpectra采用SAM分类算法。使用此语法比较未知物质的光谱特征与参考光谱或计算两个光谱特征之间的光谱变异性。

    请注意

    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的探险家。有关安装附加组件的详细信息，请参见获取和管理附加组件．

    例子

    全部折叠

    打开生活的脚本

    通过计算每个像素与数据立方体端元光谱之间的光谱角距离来区分高光谱数据立方体中的不同区域。

    读取高光谱数据到工作区。

    hcube =超立方体(“jasperRidge2_R198.hdr”）;

    识别数据立方体中光谱不同波段的数量countEndmembersHFC函数。

    numEndmembers = countEndmembersHFC (hcube)
    numEndmembers = 16

    使用NFINDR算法从数据立方体中提取端元光谱特征。

    endmembers = nfindr (hcube numEndmembers);

    绘制端元的光谱特征。结果表明，在数据立方体中有14个不同的光谱区域。

    图绘制(endmembers)传说(“位置”，“Bestoutside”）

    图中包含一个坐标轴。轴包含16个线型对象。

    计算每个端元与数据立方体中每个像素的光谱之间的光谱角距离。

    分数= 0(大小(hcube.DataCube, 1),大小(hcube.DataCube, 2), numEndmembers);为i = 1:numEndmembers score(:，: i) = sam(hcube,endmembers(:，i));结束

    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，y)表示该像素在空间位置(x，y的光谱特征最匹配nendmember。

    [~, matchingIndx] = min(得分,[],3);

    利用该方法估计高光谱数据立方体的RGB图像彩色化函数。同时显示RGB图像和匹配的索引值矩阵。

    rgbImg =再着色(hcube,“方法”，“RGB”）;图(“位置”，[0 0 1100 500])副图(“位置”，[0 0.15 0.4 0.8]) imagesc(rgbImg)轴从标题(“高光谱数据的RGB图像”)次要情节(“位置”，[0.45 0.15 0.4 0.8]) imagesc(matchingindex)轴从标题(“匹配端元的指标”) colorbar

    图中包含2个轴。标题为RGB Image of Hyperspectral Data的坐标轴1包含一个Image类型的对象。标题为“匹配端成员索引”的轴2包含一个类型为image的对象。

    打开生活的脚本

    读取高光谱数据到工作区。

    hcube =超立方体(“indian_pines.dat”）;

    找出高光谱数据的十个端元。

    numEndmembers = 10;endmembers = nfindr (hcube numEndmembers);

    考虑第一个端元作为参考谱，其余端元作为测试谱。计算参考光谱和测试光谱之间的SAM评分。

    分数= 0(1、numEndmembers-1);refSpectrum = endmembers (: 1);为i = 2:numEndmembers testSpectrum = endmembers(:，i);分数(张)=山姆(testSpectrum refSpectrum);结束

    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] =分(分数);maxMatch = endmembers (:, minidx);[maxval, maxidx] = max(分数);minMatch = endmembers (:, maxidx);

    绘制参考谱、最大相似度和最小相似度测试谱。分数值最小的测试谱表示与参考端元相似度最高。另一方面，具有最大评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。

    图绘制(refSpectrum)在情节(maxMatch“k”)情节(minMatch“r”)包含(带数字的) ylabel (的数据值)传说(参考光谱的，“最小匹配测试谱”，“最大匹配测试谱”，．．.“位置”，“Southoutside”)标题(的光谱之间的相似性)注释(“textarrow”(0.25 - 0.25), (0.4 - 0.5),“字符串”, (“马克斯得分:”num2str (maxval)])注释(“textarrow”(0.6 - 0.55), (0.6 - 0.45),“字符串”, (的最小得分:num2str (minval)))

    图中包含一个坐标轴。以谱间相似性为标题的坐标轴包含3个类型线对象。这些对象分别表示参考光谱、最小匹配测试光谱、最大匹配测试光谱。

    输入参数

    全部折叠

    输入高光谱数据，指定为超立方体对象或包含该数据立方体的3-D数字数组。如果输入是a超立方体对象中读取的数据DataCube对象的属性。

    测试光谱，指定为C元向量。测试光谱是未知区域或物质的光谱特征。

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    参考光谱，指定为C元向量。参考光谱是已知区域或物质的光谱特征。该函数将测试光谱与这些值进行匹配。

    数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

    输出参数

    全部折叠

    SAM得分，作为标量或矩阵返回。输出为

    • 标量-如果指定testSpectra输入参数。该函数将测试光谱签名与参考光谱签名进行匹配，并返回一个标量值。测试光谱和参考光谱必须是长度相同的向量。

    • 矩阵-如果你指定inputData输入参数。该函数将数据立方体中每个像素的光谱签名与参考光谱签名进行匹配，并返回一个矩阵。如果数据立方体的大小米——- - - - - -N——- - - - - -C参考光谱是一个长度矢量C，则输出矩阵具有大小米——- - - - - -N．

    SAM评分的每个元素都是一个在[0,3.142]范围内以弧度为单位的光谱角。SAM值越小，说明测试签名与参考签名匹配越强。

    数据类型:单|双

    更多关于

    全部折叠

    光谱角制图者

    给出测试光谱t和参考光谱r的长度C， SAM得分α是计算

    α ＝ 因为 − 1 （ ∑ 我 ＝ 1 C t 我 r 我 ∑ 我 ＝ 1 C t 我 2 ∑ 我 ＝ 1 C r 我 2 ） ．

    参考文献

    F.A. A.B. Lefkoff, J.W. Boardman, K.B. Heidebrecht, A.T. Shapiro, P.J. Barloon, A.F.H. Goetz。光谱图像处理系统(SIPS)——成像光谱仪数据的交互可视化和分析。环境遥感44岁的没有。2-3(1993年5月):145-63。https://doi.org/10.1016/0034 - 4257 (93) 90013 - n。

    另请参阅

    |||||

    介绍了R2020a

    图像处理工具箱文档

    金宝app

    介绍基于MATLAB的深度学习

    介绍基于MATLAB的深度学习

    下载电子书