高光谱成像是一门学科，它使用专门的传感器来同时捕获多个窄波长的数据。高光谱数据通常表示为一个图像立方体，其中每个图像代表几十或数百个狭窄的波长范围或光谱波段中的一个。高光谱成像能够测量和分析区域或物体的光谱特征，用于农业作物健康评估、环境退化监测和组织病理学等应用。
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，主要目的是识别材料、检测物体、异常和过程。例如，遥感中的高光谱成像涉及利用卫星或航空图像探测和识别矿物、陆地植被和人造建筑物。
利用基于卫星的高光谱数据来识别不同的陆地区域，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。
高光谱图像诺丁汉大学，通过照射组织表面，精确测量氧水平并生成氧饱和度图，以方便临床研究人员和医生的工作。
高光谱图像处理如何工作？
高光谱成像首先使用高光谱图像传感器捕捉一组图像，并将它们表示为三维图像高光谱数据立方体。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，一种常见的高光谱图像处理技术，最大丰度分类，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高光谱图像的NDVI值，并对该值应用阈值来衡量该区域植被的相对健康程度。NDVI值越高，说明该地区植被越健康、密度越大。
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。
光谱分解的端元提取和丰度图估计。
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。
用MATLAB绘制和可视化光谱匹配分值图。
