文档帮助中心文档
利用光谱信息散度度量光谱相似性
分数=sid(输入数据,参考光谱)
分数=sid(测试光谱、参考光谱)
实例
分数=sid(输入数据,反射光谱)测量高光谱数据中每个像素光谱之间的光谱相似性输入数据以及指定的参考光谱反射光谱使用光谱信息散度(SID)技术。使用此语法可识别高光谱数据立方体中的不同区域或材质。
分数=sid(输入数据,反射光谱)
分数
输入数据
反射光谱
分数=sid(测试光谱,反射光谱)测量指定测试光谱之间的光谱相似性测试光谱和参考光谱反射光谱使用SID方法。使用此语法将未知材料的光谱特征与参考光谱进行比较,或计算两个光谱特征之间的光谱可变性。
分数=sid(测试光谱,反射光谱)
测试光谱
笔记
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加载项资源管理器。有关安装附加组件的详细信息,请参阅获取和管理加载项.
全部崩溃
此示例使用:
通过计算每个像素光谱和数据立方体端元光谱之间的光谱信息散度(SID),区分高光谱数据立方体中的不同区域。
将高光谱数据读入工作区。
hcube=超立方体(“jasperRidge2_R198.hdr”);
指定要在数据多维数据集中标识的光谱不同带的数量。
成员数=7;
使用NFINDR算法从数据立方体中提取端成员光谱特征。
endmembers=nfindr(hcube,numEndmembers);
绘制末端构件的光谱特征。
图形打印(端件)xlabel(“波段号”)伊拉贝尔(“数据值”)传奇(“位置”,“最佳户外”)
计算数据立方体中每个端元和每个像素的光谱之间的光谱信息散度。
分数=零(大小(hcube.DataCube,1),大小(hcube.DataCube,2),numEndmembers);对于i=1:numEndmembers得分(:,:,i)=sid(hcube,endmembers(:,i));终止
根据每个像素光谱相对于所有端部构件获得的距离分数计算最小分数值。每个最小分数的索引标识端成员光谱,像素光谱显示出最大的相似性。一个索引值,N,在空间位置(x,Y)在分数矩阵中,表示像素在空间位置的光谱特征(x,Y)在数据立方体中,最佳匹配N第四任成员。
[~,匹配dx]=min(分数[],3);
使用以下方法估计高光谱数据立方体的RGB图像:着色功能。显示RGB图像和匹配索引值矩阵。
着色
rgbImg=着色(hcube,“方法”,“RGB”); 身材(“位置”,[0 0 1100 500])子批次(“位置”,[0.2 0.4 0.7])图像SC(rgbImg)轴关颜色表违约头衔(“高光谱数据的RGB图像”)子地块(“位置”,[0.5 0.2 0.4 0.7])图像C(匹配DX);轴关头衔(“匹配端成员的索引”)色条
使用N-FINDR方法查找高光谱数据立方体的10个端成员。
numEndmembers=10;endmembers=nfindr(hcube,numEndmembers);
将第一端元作为参考谱,其余端元作为测试谱。计算参考光谱和测试光谱之间的SID分数。
分数=零(1,numEndmembers-1);refSpectrum=endmembers(:,1);对于i=2:numEndmembers testSpectrum=endmembers(:,i);得分(i-1)=sid(testSpectrum,refSpectrum);终止
找到与参考光谱具有最大相似性(最小距离)的测试光谱。然后找到与参考光谱具有最小相似性(最大距离)的测试光谱。
[minval,minidx]=min(分数);maxMatch=endmembers(:,minidx);[maxval,maxidx]=max(分数);minMatch=endmembers(:,maxidx);
绘制参考光谱、最大相似性测试光谱和最小相似性测试光谱。得分最低的测试光谱与参考端部构件具有最高的相似性。另一方面,得分最高的测试光谱具有最高的光谱可变性,并表征了两个不同端部构件的光谱行为nt材料。
图2:图(参考光谱)保持在…上绘图(最大匹配,“k”)密谋,“r”)传奇(“参考光谱”,“最小匹配测试光谱”,“最大匹配测试光谱”,...“位置”,“南外”);头衔(“光谱之间的相似性”)注释(“文本箭头”,[0.3 0.3],[0.4 0.52],“字符串”,[“最小分数:”num2str(minval)])注释(“文本箭头”,[0.6 0.6],[0.4 0.55],“字符串”,[“最大分数:”num2str(maxval)])xlabel(“波段号”)伊拉贝尔(“数据值”)
超立方体
输入高光谱数据,指定为超立方体对象或包含数据立方体的三维数字数组。如果输入为超立方体对象中读取数据数据立方体对象的属性。
数据立方体
测试光谱,指定为C-元素向量。测试光谱是未知区域或材料的光谱特征。
数据类型:仅有一个的|双重的|int8|int16|int32|int64|uint8|uint16|uint32|uint64
仅有一个的
双重的
int8
int16
int32
int64
uint8
uint16
uint32
uint64
参考光谱,指定为C-元素向量。参考光谱是已知区域或材料的光谱特征。函数根据这些值匹配测试光谱。
SID分数,作为标量或矩阵返回。输出是一个
标量-如果指定测试光谱输入参数。该函数将测试光谱特征与参考光谱特征相匹配,并返回标量值。测试光谱和参考光谱必须是相同长度的矢量。
矩阵-如果指定输入数据输入参数。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M-借-N-借-C参考光谱是一个长度向量C,输出矩阵的大小为M-借-N.
较小的SAM分数表示测试签名和参考签名之间的强匹配。
数据类型:仅有一个的|双重的
光谱信息散度(SID)方法基于两个光谱的概率分布之间的散度来计算光谱相似性。允许R和T分别为参考光谱和测试光谱。计算参考光谱的分布值如下:
Q 我 = R 我 ∑ 我 = 1. C R 我 .
.
计算测试光谱的分布值,如下所示:
P 我 = T 我 ∑ 我 = 1. C T 我 .
然后,使用参考光谱和测试光谱的概率分布计算SID值:
s 我 D = ∑ 我 = 1. C P 我 日志 ( P 我 Q 我 ) + ∑ 我 = 1. C Q 我 日志 ( Q 我 P 我 ) .
[1] 张清义。用于高光谱图像分析的光谱可变性、相似性和鉴别的信息论方法IEEE信息论学报46,第5号(2000年8月):1927-32。https://doi.org/10.1109/18.857802.
频谱匹配|易读压力信号|山姆|超立方体|西德萨姆
频谱匹配
易读压力信号
山姆
西德萨姆
您有此示例的修改版本。是否要用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站以获取可用的翻译内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区站点不适合您所在位置的访问。
联系当地办事处