ScholarGate
Assistent
Machine learningRemote sensing

Hyperspektrale Entmischung

Hyperspektrale Entmischung ist eine Signalverarbeitungstechnik, die jedes Pixel eines hyperspektralen Bildes in eine Sammlung reiner Materialspektren (Endglieder) und ihre entsprechenden fraktionellen Häufigkeiten zerlegt. Da die Sensorauflösung oft dazu führt, dass mehrere Landbedeckungstypen einen einzigen Pixel belegen, gewinnt die Entmischung Informationen über die Zusammensetzung unterhalb der Pixelebene, die eine konventionelle Klassifizierung nicht liefern kann. Keshava und Mustard (2002) lieferten den grundlegenden Signalverarbeitungsrahmen, der frühere geologische und Fernerkundungsarbeiten unter einem strengen linearen Mischungsmodell vereinte.

In MethodMind öffnenDemnächstVideoDemnächstFolien herunterladen

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Methodenkarte

Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.

Quellen

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

So zitieren Sie diese Seite

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

Welche Methode?

Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.

Nebeneinander vergleichen
ScholarGateHyperspectral Unmixing (Spectral Unmixing of Hyperspectral Imagery). Abgerufen am 2026-06-15 von https://scholargate.app/de/remote-sensing/hyperspectral-unmixing · Datensatz: https://doi.org/10.5281/zenodo.20539026