ScholarGate
Assistent
Machine learningRemote sensing

Hyperspectral Unmixing

Hyperspectral unmixing är en signalbehandlingsteknik som sönderdelar varje pixel i en hyperspektral bild till en samling av rena materialspektra (endmembers) och deras motsvarande fraktionella abundanser. Eftersom sensorupplösningen ofta gör att flera marktyper upptar en enskild pixel, återvinner unmixing kompositionell information på sub-pixelnivå som konventionell klassificering inte kan. Keshava och Mustard (2002) tillhandahöll det grundläggande ramverket för signalbehandling som enade tidigare geologiskt och fjärranalysarbete under en rigorös linjär blandningsmodell.

Öppna i MethodMindSnartVideoSnartLadda ner bildspel

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

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

Så citerar du den här sidan

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

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida
ScholarGateHyperspectral Unmixing (Spectral Unmixing of Hyperspectral Imagery). Hämtad 2026-06-15 från https://scholargate.app/sv/remote-sensing/hyperspectral-unmixing · Datamängd: https://doi.org/10.5281/zenodo.20539026