Matlab高光谱遥感、数据处理与混合像元分解实践技术应用

原文：Matlab高 光 谱 遥 感、数 据 处 理 与 混 合 像 元 分 解 实 践 技 术 应 用

光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。以高光谱遥感为核心，构建大范围、快速、远程、定量探测技术，已在矿物填图、土壤质量参数评估、植被、农作物生长状态监测等领域取得了突出的成果，而在药品、食物、环境等领域也显示了不可估量的应用潜力。高光谱技术可以在不同空间尺度上，快速获取目标定量信息。这些能力越来越引起学术界、工业界的重视。那么如何深刻理解高光谱技术的机理？如何高效处理好高光谱数据？如何针对具体领域建立切实可行的高光谱技术应用解决方案？本课程将提供一套基于MATLAB编程工具的方法和案例。

   为什么选择MATLAB? MATLAB是美国MathWorks公司在20世纪80年代中期推出的数学软件，优秀的数值计算能力和卓越的数据可视化能力使其很快在数学软件中脱颖而出。到目前为止，已经进化到2022版本。随着版本的不断升级，它在图像处理上得到了进一步完善，并且在2020版本上增加了高光谱处理的工具箱。实际上，这个课程不是要教大家如何用MATLAB去编程，大多数使用MATLAB的人并不是程序员，也不想成为程序员。课程将MATLAB视为进行高光谱技术研究的环境，因为MATLAB具有一些你必须学习它的优势。比如：符号简单而强大，实现快速且值得信赖，非常擅长生成图和其他交互式任务。有很多带有良好代码的“工具箱”可以很好地完成特定任务，有大量共享数字代码的用户社区。

   本文从基础、方法、实践三方面对高光谱遥感进行讲解。基础篇，站在学员的角度去理解“高光谱”，用大家能听的懂的语言去讲述高光谱的基本概念和理论，帮助学员深入理解这项技术的底层科学机理。方法篇，将高光谱技术与MATLAB工具结合起来，采用MATLAB丰富的工具箱，快速复现高光谱数据处理和分析过程，对学习到的理论和方法进行高效反馈。同时，充分发挥MATLAB草稿纸式的编程语言的简洁和易操作性，对每一行代码进行解析。实践篇，通过高光谱矿物识别，植物含水量提取、土壤有机碳评估等案例，提供可借鉴的高光谱应用领域的技术服务方案，结合MATLAB矩阵计算、科学数据可视化、数据处理与机器学习、图像处理等功能模块，深入介绍高光谱技术的应用功能开发。

将通过高光谱遥感、电磁波谱、电磁波谱与物质的作用，光谱成像机理等基础理论，了解高光谱遥感的“底层逻辑”；从高光谱数据处理、光谱特征分析、图像分类、混合像元分解等技术中掌握高光谱遥感的“方法论”；在具体实践案例中，学会运用上述原理和技术方法，提升高光谱技术的应用能力水平。

【内容简述】：

注：请提前自备电脑及安装所需软件。

其它推荐：

• MATLAB近红外光谱分析技术及实践技术应用
• 基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割实践技术应用
• 长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用
• 陆面生态水文模拟与多源遥感数据同化的实践技术应用
• 无人机遥感在农林信息提取中的实现方法与GIS融合应用
• 近地面无人机植被定量遥感与生理参数反演实践技术应用
• “卫星-无人机-地面”遥感数据快速使用及地物含量计算的实现方法实践技术
• 遥感数据与DSSAT作物生长模型同化及在作物长势监测与估产中的应用精品课程