Matlab高光谱遥感数据处理与混合像元分解实践技术

     光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。以高光谱遥感为核心，构建大范围、快速、远程、定量探测技术，已在矿物填图、土壤质量参数评估、植被、农作物生长状态监测等领域取得了突出的成果，而在药品、食物、环境等领域也显示了不可估量的应用潜力。高光谱技术可以在不同空间尺度上，快速获取目标定量信息。这些能力越来越引起学术界、工业界的重视。那么如何深刻理解高光谱技术的机理？如何高效处理好高光谱数据？如何针对具体领域建立切实可行的高光谱技术应用解决方案？本次将提供一套基于MATLAB编程工具的方法和案例。

从基础、方法、实践三方面对高光谱遥感进行讲解。基础篇，站在对方的角度去理解“高光谱”，用大家能听的懂的语言去讲述高光谱的基本概念和理论，深入理解这项技术的底层科学机理。方法篇，将高光谱技术与MATLAB工具结合起来，采用MATLAB丰富的工具箱，快速复现高光谱数据处理和分析过程，对学习到的理论和方法进行高效反馈。同时，充分发挥MATLAB草稿纸式的编程语言的简洁和易操作性，对每一行代码进行解析。实践篇，通过高光谱矿物识别，植物含水量提取、土壤有机碳评估等案例，提供可借鉴的高光谱应用领域的技术服务方案，结合MATLAB矩阵计算、科学数据可视化、数据处理与机器学习、图像处理等功能模块，深入介绍高光谱技术的应用功能开发。

详情链接：   Matlab高光谱遥感、数据处理与混合像元分解实践技术应用https://mp.weixin.qq.com/s?__biz=MzU5NTkyMzcxNw==&mid=2247523189&idx=2&sn=3f7ef4e0865a0ee6ffb29b4fcf1cdfe8&chksm=fe685d1fc91fd4094c25ad4c9d9bf85b61bfd240ffa562854567b89ce51563485bc5e4ee5d54&token=1425520562&lang=zh_CN#rd

---

内容详情：

第一章、理论基础 ：

1、高光谱遥感

• 高光谱遥感是什么？—高光谱遥感基本概念；
• 高光谱遥感的三个特点—光谱分辨率高、光谱通道连续、光谱成像；
• 高光谱遥感为什么有用？—高光谱遥感产生动机和过程，基于cite space的高光谱技术热点分析。

2、高光谱遥感成像与数据处理

• 数字魔方游戏—高光谱成像机理与成像光谱仪；
• 谈反射率数据实际上是谈什么？—高光谱遥感数据类型、参数、元数据数据预处理（辐射校正、大气校正）；
• 高光谱为什么要降维？—光谱特征提取，主成分分析（PCA）、最小噪声分离（MNF）。

3、高光谱遥感图像分类与混合像元分解

• 高光谱遥感图像分类与识别，监督分类与非监督分类。
• 无处不混合—混合光谱形成、物理机理；
• 线性与非线性模型—混合像元分解模型，线性光谱混合物理、数学模型，Hapke非线性模型。 

第二章、Matlab开发基础 ：

• 1、matlab软件介绍及安装、常用功能介绍
• matlab版本介绍，安装；
• Matlab软件界面，常用功能介绍；
• 过去踩过的那些坑—常见错误和使用注意，路径问题等
• 2、Matlab高光谱图像处理框架
• Matlab高光谱图像处理框架组织与分析；
• APP—高光谱查看器的使用介绍。主要界面，波段选择，波段组合图像显示和光谱可视化；
• 数据读写可视化、增强、校正、降维、光谱解混、光谱匹配等六组函数；
• 数据预处理（辐射校正、大气校正）Matlab模块介绍及解析。

3、Matlab精选案例及解析

• 高光谱遥感图像分类案例介绍及解析，SAM图像分类；
• 高光谱遥感图像解混案例介绍及解析，HFC、N-FINDR、spectralMatch、SID等程序。
• 

第三章、Matlab高光谱数据处理技术 ：

1、高光谱成像数据处理及matlab实现 

• GF-5、资源02D卫星高光谱图像数据读取可视化（APP、函数）
• 2D\3D高光谱数据矩阵变换（函数）

2、地面波谱测量数据处理及matlab实现

• 便携式地物光谱仪（asd），数据读取，可视化（函数）
• 反射率因子数据计算（函数）
• 光谱曲线显示可视化（函数）

3、高光谱数据回归定量分析及matlab实现

• 高光谱回归分析数据整理（函数）
• 回归学习器，随机森林、线性、支持向量机等（APP、函数）
• 回归分析结果、误差分析可视化。（APP、函数）

 第四章、Matlab混合像元分解技术 ：

1、高光谱端元数量评估及matlab实现

Hysime端元数量评估方法代码解析。

2、端元光谱提取及matlab实现

• 采用PPI、VCA等方法对高光谱数据的端元光谱进行提取。
• VCA端元光谱提取的代码解析。

 3、端元含量评估及matlab实现

• 采用最小二乘、稀疏运算等方法对高光谱数据的端元含量进行评估。
• 最小二乘端元含量评估方法代码解析。

第五章、典型案例操作实践 ：

1、矿物填图案例：以甘肃某地区为例，采用资源02E数据进行绢云母、绿泥石等蚀变矿物信息提取和定量评估。涉及研究区高光谱影像读取、评估矿物种类数目、提取矿物端元光谱、利用光谱库进行识别、评估矿物含量、数据处理、矿物图可视化、结果输出等。

 

2、木材含水量算法案例：采用回归学习器对森林木材样品数据含水量进行定量分析，涉及高光谱数据读取、写入、高光谱回归分析数据整理，回归学习器，随机森林、线性、支持向量机等含水量评估、误差分析可视化。回归分析结果可视化、结果输出等。

 

 

 3、土壤质量评估案例：基于航空高光谱、地面波谱测试数据对土壤质量参数进行评估，涉及航空、地面高光谱土壤调查方案设计、高光谱数据的预处理整体，土壤质量参数建模，结果可视化等。