この例では,最大存在量分類(MAC)を実行して,ハイパースペクトルイメージ内のさまざまな領域を識別する方法を示します。存在量マップは，ハ。メジ内の各ピクセルは，“ピュアピクセル”の場合や"ミクセル"の場合があります。各ピクセルについて取得した存在量値のセットは,そのピクセルに存在する各エンドメンバーの割合を表しています。この例では，ピクセルごとの最大存在量値を見つけ、それを関連するエンドメンバー クラスに割り当てることでハイパースペクトル イメージ内のピクセルを分類します。

この例では,スペクトル角マッパー(SAM)分類アルゴリズムを使用して,ハイパースペクトルイメージ内のピクセルを分類する方法を示します。このアルゴリズムは,ピクセルのスペクトルと,ECOSTRESSスペクトルライブラリから読み取ったピュアスペクトルシグネチャの間のスペクトル一致スコアを計算して,テストデータ内の各ピクセルを分類します。この例では,碧玉岭データセットのデータサンプルをテストデータとして使用します。テストデータには,道路,土壌,水,および樹木から構成される4つの潜在エンドメンバーが格納されています。この例では，次の作業を行います。

使用自定义的光谱卷积神经网络(CSCNN)对高光谱图像进行分类。

この例では,ハイパースペクトルイメージ内に存在するエンドメンバー物質のクラスを同定する方法を示します。エンドメンバーは1つの表面物質に属するピクセルの反射率特性を示すピュアスペクトルシグネチャです。既存のエンドメンバー抽出または同定アルゴリズムでは,ハイパースペクトルイメージ内のピュアピクセルを抽出または同定します。ただし，これらの手法でエンドメンバ，スペクトルが属する物質名またはクラスは同定されません。この例では，エンドメンバー シグネチャを抽出してから、スペクトル マッチングを使用してハイパースペクトル イメージ内のエンドメンバー物質のクラスを分類または同定します。

この例では,スペクトルマッチング法を使用して,ハイパースペクトルイメージ内の既知のターゲットを検出する方法を示します。ハイパースペクトルイメージ内のターゲットの検出と位置特定には,既知のターゲット物質のピュアスペクトルシグネチャを使用します。この例では，スペクトル角マッパー (SAM) スペクトル マッチング法を使用して、ハイパースペクトル イメージ内の人工の屋根材 (既知のターゲット) を検出します。屋根材のピュア スペクトル シグネチャを ECOSTRESS スペクトル ライブラリから読み取り、スペクトル マッチング用の基準スペクトルとして使用します。データ キューブ内のすべてのピクセルのスペクトル シグネチャを基準スペクトルと比較し、最適に一致するピクセルのスペクトルをターゲット物質に属するものとして分類します。

通过对归一化植被指数(NDVI)图进行交互阈值处理，识别高光谱图像中的植被区域类型。高光谱数据集的NDVI图显示了高光谱数据中不同区域的植被密度。NDVI值是利用高光谱数据立方体中的近红外(NIR)和可见红色(R)光谱波段图像计算得出的。