Matlab高光谱遥感混合像元分解矿物填图木材土壤评估

通过高光谱遥感、电磁波谱、电磁波谱与物质的作用，光谱成像机理等基础理论，了解高光谱遥感的“底层逻辑”；从高光谱数据处理、光谱特征分析、图像分类、混合像元分解等技术中掌握高光谱遥感的“方法论”；在具体实践案例中，学会运用原理和技术方法，提升高光谱技术的应用能力水平。

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

Harsanyi-Farrand-Chang（NWHFC）噪声白化方法、Hysime高光谱数据的程序实现

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

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

感谢点赞+关注！

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删