ScholarGate
Assistent
Machine learningRemote sensing

Hyperspektral unmixing

Hyperspektral unmixing er en signalbehandlingsteknik, der dekomponerer hver pixel i et hyperspektralt billede i en samling af rene materialspektre (endmembers) og deres tilsvarende fraktionelle abundanser. Fordi sensoropløsning ofte medfører, at flere jorddækningstyper optager en enkelt pixel, genfinder unmixing kompositionel information på sub-pixel niveau, som konventionel klassifikation ikke kan. Keshava og Mustard (2002) leverede det grundlæggende signalbehandlingsrammeværk, der forenede tidligere geologiske og fjernmålingsarbejder under en stringent lineær blandingsmodel.

Åbn i MethodMindSnartVideoSnartHent slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Metodekort

Nabolaget af beslægtede metoder — vælg en knude for at udforske.

Kilder

  1. Keshava, N., & Mustard, J. F. (2002). Spectral unmixing. IEEE Signal Processing Magazine, 19(1), 44–57. DOI: 10.1109/79.974727

Sådan citerer du denne side

ScholarGate. (2026, June 2). Spectral Unmixing of Hyperspectral Imagery. ScholarGate. https://scholargate.app/da/remote-sensing/hyperspectral-unmixing

Hvilken metode?

Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.

Sammenlign side om side
ScholarGateHyperspectral Unmixing (Spectral Unmixing of Hyperspectral Imagery). Hentet 2026-06-15 fra https://scholargate.app/da/remote-sensing/hyperspectral-unmixing · Datasæt: https://doi.org/10.5281/zenodo.20539026