一、基本操作
- 读取高光谱数据文件
- 加载数据
- 读取元数据
- 获取高光谱图像的子集
- 获取波长信息
- 显示高光谱图像并保存
查看view的具体信息：
- 显示光谱信息
可以通过以下方式开启交互功能：
交互功能开启后，加载图像，点击图像上的像素点，即可出现相应的光谱曲线：
二、光谱算法
- k-means 聚类
查看聚类中心：
- 监督分类
执行监督分类需要使用训练数据训练分类器，该分类器将样本与特定训练类相关联。要将类标签分配给具有 M 行和 N 列的图像中的像素，必须提供一个 MxN 整数值数组，其元素是相应训练类的索引。真值数组中的值为 0 表示未标记的像素（该像素未与训练类关联）。
上面的分类图显示了整个图像的分类结果。要仅查看真值像素的结果，必须屏蔽掉与训练类无关的所有像素。
如果分类结果良好，预计上面的分类图看起来与原始真实地图非常相似。要仅查看errors，必须屏蔽 gtresults 中与真实图像不匹配的所有元素。
除了 GaussianClassifier，还提供了其他分类方法。
- 降维
处理具有数百个波段的高光谱图像可能会造成计算负担，并且由于所谓的“维数诅咒”，分类精度可能会受到影响。为了缓解这些问题，通常需要降低数据的维度。
在协方差矩阵显示中，较白的值表示较强的正协方差，较暗的值表示较强的负协方差，灰色值表示接近零的协方差。
为了使用主成分降低维度，可以按降序对特征值进行排序，然后保留足够的特征值(相应的特征向量)来捕获总图像方差的所需部分。然后，将图像像素投影到剩余的特征向量上，以降低图像像素的维数。选择保留至少 99.9% 的总图像差异。
现在，对缩减的主成分使用高斯最大似然分类器(GMLC)来针对训练数据进行训练和分类：
三、应用
案例：植被与土壤的分类和识别
要求1：提取地面、无人机高光谱数据的反射率
解决方案：ASD（Analytical Spectral Devices）是一种用于地面光谱测量的设备，可以测量多个波长范围内的反射率。提取ASD地面光谱数据通常可以采用以下步骤：
要求2：采用机器学习如SVM、RF、CNN的方法进行识别
支持向量机（SVM）是一种常用的分类算法，可以用于高光谱数据的分类、识别和回归。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/187387.html