ScholarGate
دستیار
Machine learningRemote sensing

جداسازی طیفی ابرطیفی (Hyperspectral Unmixing)

جداسازی طیفی ابرطیفی یک تکنیک پردازش سیگنال است که هر پیکسل از یک تصویر ابرطیفی را به مجموعه‌ای از طیف‌های مواد خالص (اند-ممبرها) و فراکسیون‌های فراوانی متناظر آن‌ها تجزیه می‌کند. از آنجایی که وضوح سنسور اغلب باعث می‌شود چندین نوع پوشش زمین در یک پیکسل واحد هم‌مکان شوند، جداسازی اطلاعات ترکیبی زیرپیکسلی را بازیابی می‌کند که طبقه‌بندی متعارف قادر به انجام آن نیست. Keshava و Mustard (2002) چارچوب بنیادی پردازش سیگنال را ارائه کردند که کارهای قبلی زمین‌شناسی و سنجش از دور را تحت یک مدل اختلاط خطی دقیق یکپارچه نمود.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیدریافت اسلایدها

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

جداسازی طیفی ابرطیفی (Hyperspectral Unmixing)
تجزیه ماتریس نامنفی (NMF)طبقه‌بندی تصویر مبتنی بر…

منابع

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

نحوهٔ استناد به این صفحه

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

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم
ScholarGateHyperspectral Unmixing (Spectral Unmixing of Hyperspectral Imagery). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/remote-sensing/hyperspectral-unmixing · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026