ScholarGate
Ассистент
Machine learningRemote sensing

Гиперспектральное разделение

Гиперспектральное разделение — это метод обработки сигналов, который раскладывает каждый пиксель гиперспектрального изображения на набор спектров чистых материалов (конечных членов) и их соответствующих долей содержания. Поскольку разрешение датчика часто приводит к тому, что несколько типов земного покрова занимают один пиксель, разделение восстанавливает информацию о составе на субпиксельном уровне, которую обычная классификация не может предоставить. Кешава и Мастард (2002) предоставили основополагающую основу обработки сигналов, которая объединила предыдущие геологические работы и работы по дистанционному зондированию в рамках строгой линейной модели смешения.

Открыть в MethodMindСкороВидеоСкороСкачать слайды

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

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

Как цитировать эту страницу

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

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом
ScholarGateHyperspectral Unmixing (Spectral Unmixing of Hyperspectral Imagery). Получено 2026-06-15 из https://scholargate.app/ru/remote-sensing/hyperspectral-unmixing · Набор данных: https://doi.org/10.5281/zenodo.20539026