초분광 영상 처리

초분광 데이터 가져오기 내보내기, 처리 및 시각화

Hyperspectral Imaging Library for Image Processing Toolbox™는 초분광 영상 처리 및 시각화를 위한 MATLAB^® 함수와 툴을 제공합니다.

이 라이브러리의 함수를 사용하면 초분광 영상 센서를 사용하여 다양한 파일 형식으로 캡처된 초분광 데이터를 읽고, 쓰고, 처리할 수 있습니다. 라이브러리는 NITF(National Imagery Transmission Format ), ENVI(Environment for Visualizing Images), TIFF(Tagged Image File Format) 및 MTL(Metadata Text Extension) 파일 형식을 지원합니다.

이 라이브러리는 엔드멤버 추출, 구성 비율 맵(abundance map) 추정, 복사 보정 및 대기 보정, 차원 축소, 대역 선택, 스펙트럼 매칭 및 이상 감지를 위한 알고리즘을 제공합니다.

초분광 뷰어 앱을 사용하여 초분광 데이터를 읽어 들이고, 개별 대역 영상과 그 히스토그램을 시각화하고, 초분광 데이터 큐브의 픽셀 또는 영역에 대해 스펙트럼 플롯을 만들고, 초분광 영상의 다양한 색상 또는 가색상(false color) 표현을 생성하고, 메타데이터를 표시할 수 있습니다.

초분광 영상 분석을 수행하려면 애드온 탐색기에서 Hyperspectral Imaging Library for Image Processing Toolbox를 다운로드하십시오. 애드온 다운로드에 대한 자세한 내용은 애드온을 받고 관리하기를 참조하십시오.

앱

초분광 뷰어

초분광 데이터 시각화 (R2020a 이후)

함수

모두 확장

탐색, 분석, 시각화

읽기와 쓰기

`hypercube`	Read hyperspectral data (R2020a 이후)
`enviwrite`	Write hyperspectral data to ENVI file format (R2020a 이후)
`enviinfo`	Read metadata from ENVI header file (R2020a 이후)

대역 선택 및 대역 제거

`selectBands`	Select most informative bands (R2020a 이후)
`removeBands`	Remove spectral bands from data cube (R2020a 이후)

ROI 선택

`assignData`	Assign new data to hyperspectral data cube (R2020a 이후)
`cropData`	Crop regions-of-interest (R2020a 이후)

색 변환

colorize Estimate color image of hyperspectral data (R2020a 이후)

필터링 및 향상

`denoiseNGMeet`	Denoise hyperspectral images using non-local meets global approach (R2020b 이후)
`sharpencnmf`	Sharpen hyperspectral data using coupled nonnegative matrix factorization (CNMF) method (R2020b 이후)

데이터 보정

복사 보정

`dn2radiance`	Convert digital number to radiance (R2020b 이후)
`dn2reflectance`	Convert digital number to reflectance (R2020b 이후)
`radiance2Reflectance`	Convert radiance to reflectance (R2020b 이후)

대기 보정

`correctOOB`	Correct out-of-band effect using sensor spectral response (R2020b 이후)
`empiricalLine`	Empirical line calibration of hyperspectral data (R2020b 이후)
`fastInScene`	Perform fast in-scene atmospheric correction (R2020b 이후)
`flatField`	Apply flat field correction to hyperspectral data cube (R2020b 이후)
`iarr`	Apply internal average relative reflectance (IARR) correction to hyperspectral data cube (R2020b 이후)
`logResiduals`	Apply log residual correction to hyperspectral data cube (R2020b 이후)
`rrs`	Compute remote sensing reflectance (R2020b 이후)
`subtractDarkPixel`	Subtract dark pixel value from hyperspectral data cube (R2020b 이후)
`sharc`	Perform atmospheric correction using satellite hypercube atmospheric rapid correction (SHARC) (R2020b 이후)

스펙트럼 보정

`smileMetric`	Compute spectral smile metrics of hyperspectral data (R2021a 이후)
`reduceSmile`	Reduce spectral smile effect in hyperspectral data cube (R2020b 이후)

차원 축소

`hyperpca`	Principal component analysis of hyperspectral data (R2020a 이후)
`hypermnf`	Maximum noise fraction transform of hyperspectral data (R2020a 이후)
`inverseProjection`	Reconstruct data cube from principal component bands (R2020a 이후)

분광 순수화

`ppi`	Extract endmember signatures using pixel purity index (R2020a 이후)
`fippi`	Extract endmember signatures using fast iterative pixel purity index (R2020a 이후)
`nfindr`	Extract endmember signatures using N-FINDR (R2020a 이후)
`countEndmembersHFC`	Find number of endmembers (R2020a 이후)
`estimateAbundanceLS`	Estimate abundance maps (R2020a 이후)

스펙트럼 매칭 및 목표 검출

`readEcostressSig`	Read data from ECOSTRESS spectral library (R2020a 이후)
`resampleSignature`	Resample spectral signature to required wavelengths (R2024a 이후)
`removeContinuum`	Normalize spectral signature (R2024a 이후)
`sam`	Measure spectral similarity using spectral angle mapper (R2020a 이후)
`sid`	Measure spectral similarity using spectral information divergence (R2020a 이후)
`jmsam`	Measure spectral similarity using Jeffries Matusita-Spectral Angle Mapper method (R2020b 이후)
`sidsam`	Measure spectral similarity using spectral information divergence-spectral angle mapper hybrid method (R2020b 이후)
`ns3`	Measure normalized spectral similarity score (R2020b 이후)
`spectralMatch`	Identify unknown regions or materials using spectral library (R2020a 이후)
`detectTarget`	Detect target in hyperspectral image (R2024a 이후)
`anomalyRX`	Detect anomalies using Reed-Xiaoli detector (R2020a 이후)
`spectralIndices`	Compute hyperspectral indices (R2020b 이후)
`customSpectralIndex`	Compute hyperspectral index using custom formula (R2023a 이후)
`ndvi`	Normalized difference vegetation index (R2020a 이후)

분할

`hyperslic`	2-D superpixel oversegmentation of hyperspectral images (R2023b 이후)
`hyperseganchor`	Segment hyperspectral images using fast spectral clustering with anchor graphs (R2024a 이후)

도움말 항목

시작하기

Getting Started with Hyperspectral Image Processing
Basics of hyperspectral image processing.
Explore Hyperspectral Data in the Hyperspectral Viewer
This example shows how to explore hyperspectral data using the 초분광 뷰어 app.
Process Large Hyperspectral Images
This example shows how to process small regions of large hyperspectral images.
Hyperspectral Data Correction
Describes radiometric calibration, atmospheric correction, and spectral correction.
Spectral Matching and Target Detection Techniques
Techniques for target detection and spectral matching.
Spectral Indices
Describes spectral indices.
Support for Singleton Dimensions
Analysis of 1-D and 2-D spectral data using singleton hypercube.

영역 식별

Target Detection Using Spectral Signature Matching
Detect a known target in the hyperspectral image by using the spectral matching method.
Identify Vegetation Regions Using Interactive NDVI Thresholding
Identify the types of vegetations regions in a hyperspectral image through interactive thresholding of a normalized difference vegetation index (NDVI) map.
Find Regions in Spatially Referenced Multispectral Image
This example shows how to identify water and vegetation regions in a Landsat 8 multispectral image and spatially reference the image.

디지털 트윈

Generate RoadRunner Scene Using Aerial Hyperspectral and Lidar Data (Automated Driving Toolbox)
Generate RoadRunner scene from aerial hyperspectral and lidar data.

추천 예제

Predict Sugar Content in Grape Berries Using PLS Regression on Hyperspectral Data

Perform non-destructive testing (NDT) using hyperspectral data to predict sugar content in grape berries.

라이브 스크립트 열기

Classify Land Cover Using Hyperspectral and Lidar Data

Classify land cover using a fusion of hyperspectral and lidar data.

라이브 스크립트 열기

Segment Spleen in Hyperspectral Image of Porcine Tissue

Segment a spleen in a hyperspectral image of porcine tissue.

라이브 스크립트 열기

Classify Land Cover Using Sentinel-2 Multispectral Images

Fine-tune a pretrained backbone segmentation model, using Sentinel-2 Level 2A multispectral images and CORINE Land Cover 2018 data, for pixel-level land-cover classification.

라이브 스크립트 열기

Ship Detection from Sentinel-1 C Band SAR Data Using YOLOX Object Detection

Detect ships from Sentinel-1 C Band SAR Data using YOLOX object detection.

라이브 스크립트 열기

Map Flood Areas Using Sentinel-1 SAR Imagery

Map flooded areas using Sentinel-1 Synthetic Aperture Radar (SAR) images.

라이브 스크립트 열기

Change Detection in Hyperspectral Images

Detect changes in land cover from hyperspectral images taken at different times.

라이브 스크립트 열기

Manually Label ROIs in Multispectral Image

Manually select regions of interest (ROIs) from a multispectral image and save them in a shapefile.

라이브 스크립트 열기

Hyperspectral Image Analysis Using Maximum Abundance Classification

Identify different regions in a hyperspectral image by performing maximum abundance classification (MAC). An abundance map characterizes the distribution of an endmember across a hyperspectral image. Each pixel in the image is either a pure pixel or a mixed pixel. The set of abundance values obtained for each pixel represents the percentage of each endmembers present in that pixel. In this example, you will classify the pixels in a hyperspectral image by finding the maximum abundance value for each pixel and assigning it to the associated endmember class.