端元提取——纯像元指数PPI

最新推荐文章于 2022-12-25 20:35:59 发布
最新推荐文章于 2022-12-25 20:35:59 发布
阅读量7.6k 收藏 23
点赞数 2
分类专栏： 端元提取 文章标签： 混合像元分解 端元提取 纯像元指数 遥感 高光谱
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yyy601479012/article/details/89389017
版权
端元提取——PPI说明纯像元指数PPI(Pure Pixel Index)功能快捷键如何改变文本的样式插入链接与图片MATLAB代码生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入说明为了毕业设计，本人目前在学习高...
摘要由CSDN通过智能技术生成

端元提取——PPI

说明

为了毕业设计，本人目前在学习高光谱遥感影像混合像元分解的内容，目前接触该领域不过短短两个多月，所读文献也很有限，有太多内容不明白，故希望可以在此得到各位指点，万分感谢！

这是我第一次尝试写代码，非常生涩，也不知道结果是否正确，发在此希望各位可以多多批评，提出建议，引申出更多内容，一同学习进步。

这也是我第一次使用CSDN，有很多不懂的地方，如果不小心触犯了什么还请见谅，并请大家指出，感激不尽！

PPI

纯像元指数(Pure Pixel Index, PPI)，将投影到大量随机向量端点次数最多的几个像元作为端元。我认为该算法的思路很易理解，就再不多作说明，下面给出代码，还请大家帮忙分析，在此表示感谢！

MATLAB代码

参考了在PUDN上下载的一个的代码进行学习，并尽可能根据书上的思路进行修改，但还是大部分参照了已有的他人的代码，下面是学习所用代码的网址以及自己编写的代码，所用数据为所附链接中他人代码的数据。因为基本没有编程经验，代码也写得很是青涩，注释也为方便自己看懂而有些凌乱。具体代码文件已上传至下载资源中，望指正！

不知道是因为随机数还是什么问题，每次运行结果有些差别，且与参照的代码所得结果不同。由于本人能力尚浅，无法进行判断，还请诸位帮忙，感激不尽！

最低0.47元/天 解锁文章
月咏樱
关注
  • 2
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
端元提取——纯像元指数PPI的MATLAB代码
04-29
自己学习编写的混合像元分解中的端元提取部分的纯像元指数PPI算法的MATLAB代码。可以运行得到结果，但没有结果用于验证，亦未编写精度评定，不保证结果的正确性。
高光谱端元提取算法PPI，matlab编写。内有注释
06-16
高光谱端元提取算法PPI，matlab编写。内有参数注释。可供高光谱图像解混学习提供帮助。高光谱端元提取算法PPI，matlab编写。内有参数注释。可供高光谱图像解混学习提供帮助
高光谱图像端元提取——vertex component analysis（VCA/python）
qq_43820692的博客
11-03 2562
高光谱图像端元提取方法——VCA及其python实现
端元提取和端元识别
03-19
集合了端元提取的多种经典算法，比较了各个算法的优劣和效果，为其他研究者提供了参考
端元提取、光谱角、端元提取光谱角检测模型
Yangol_Arc的博客
03-11 7861
什么是端元？ 端元（endmember）只包含一种地物信息，一般的像元都为混合像元，包括多种地物。在进行混合像元分解的时候，可以对一个像元中包括的几种端元进行定量描述，求得每个像元中几种端元在这个像元中的面积百分比，即端元的丰度。 什么是端元提取？ 端元提取（endmember extraction，EE）有两个步骤，一是识别端元，二是提取端元。 基于几何顶点的端元识别方法是，首先进行PC
基于凸几何和K均值的高光谱端元提取算法（Matlab代码实现）
最新发布
weixin_46039719的博客
12-25 670
高光谱解混是一种在高光谱数据中的所有像素处近似纯类型的光谱特征及其相应组合比例的技术。高光谱解混是理解、研究和可视化高光谱图像的一项值得注意的任务。在这项任务中，提取纯光谱特征非常具有挑战性。该文提出一种利用凸几何和k均值概念进行端部提取的新方法。大多数现有的端部提取技术仅使用凸几何形状。将 K 均值与凸几何一起使用可提高提取过程的准确性。使用模拟和真实数据集将所提出的算法与其他最先进的算法进行比较。通过仿真结果可以看出，所提算法优于其他现有算法。博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
程序_光谱解混_修订.rar_FCLS_PPI端元提取_VCA_VCA高光谱解混_端元提取
07-15
高光谱数据光谱端元提取方法，和解混方法，包括PPI SGA VCA ATGP FCLS
9927420PPI.zip_cem 检测_osp_标区_端元提取_高光谱
07-15
从检测的图像质量来看， 文中检测方法的效果是 最 好 的 ， 目 标 与 背 景 的 区 分 度 最 大 ， 其 次 是UGTP-OSP 检测方法 ，效果最差的是 WCM-CEM 检测方法。
matlab_高光谱图像处理_端元提取_PPI
05-20
用于高光谱图像处理的端元提取，PPI方法能有效提取端元光谱。(HYPERPPI Performs the pixel purity index (PPI) algorithm Performs the pixel purity index algorithm for endmember finding.)
高级GIS-1.提取纯净像元
胡侃有料的博客
05-17 708
every blog every motto: 0. 前言 本节裁剪纯净像元。（准确说是交纯净像元） 1. 步骤 1. 新建模型 2. 创建fishnet 2.1 文件保存位置 2.2 点击OK 修改透明度 3. 搭建模型 3.1 拖拽 3.2 intersct 新建数据库 右击Home==》new file geodatabase 连接 ，修改为V1 修改intersec...
端元提取——单形体增长SGA的MATLAB代码
04-29
自己学习时编写的混合像元分解中的端元提取部分的单形体增长SGA算法的MATLAB代码，浅显易懂，里面有三版SGA的代码，代表着自己学习时的三种思路，思路之间区别不大，只是一些细微改动，还包含了自己编写的主成分分析PCA降维的函数。可以运行得到结果，但没有结果用于验证，亦未编写精度评定，不保证结果的正确性。
端元提取——顶点成分分析VCA的MATLAB代码
04-29
自己学习时编写的混合像元分解中的端元提取部分的顶点成分分析VCA的MATLAB代码，浅显易懂。可以运行得到结果，但没有结果用于验证，亦未编写精度评定，不保证结果的正确性。
高光谱图像端元提取算法研究进展与比较
10-09
高光谱图像端元提取算法研究进展与比较,高光谱图像中混合像元的存在不仅影响了基于遥感影像的地物识别和分类精度，而且已经成为遥感科学向定 量化方向发展的主要障碍。本文分析和研究了现有的典型端元提取算法，在此基础上，对这些算法进行归纳总结，从 是否假定纯像元存在角度将其分为两类
高光谱以影像端元提取算法分析
08-07
高光谱的端元提取总结，很好。近年来， 通过群智能算法求解组合 优化或连续优化问题以实现高光谱图像 混合像元分解方面取得了重要进展和显 著成果． 本文首先回顾了高光谱图像混 合像元分解的研究背景和群智能算法的 特点，然后梳理了光谱混合模型及对应 的最优化模型， 进而介绍了基于群智能 算法的端元提取和丰度反演方法， 最后 通过 2 组实验比较了群智能算法和其他 传统算法在端元提取和丰度反演方面的 精度，对基于群智能算法的混合像元分 解效果进行了评价．另外， 本文也对群智 能算法在高光谱图像信息提取中应用的 优势和存在的问题进行了总结．
像元纯度指数算法C++实现
梅馨嫣栀
11-18 875
#include "stdafx.h" # include #include using namespace std; int _tmain(int argc, _TCHAR* argv[]) { //行数 const int n=10000; //散点坐标 double x[n]; double y[n]; double xSum=0; double ySum=0; /
（转）ENVI端元提取（MNF→PPI→n-D Visualizer）
LEH210434的专栏
03-09 1万+
仍以cai_jian1为例说明     一、MNF变换     1、选择Spectral→MNF Rotation→Forward MNF→Estimate Noise Statistics from Data,如图：      2、在弹出的对话框MNF Transform Input File对话框中选择cai_jian1文件      3、在弹出的对话框，如下图示，添加
高光谱解混（三）——基于几何和统计的线性光谱解混方法
nanmuchang的博客
06-23 3975
高光谱解混综述论文精读笔记/三GEOMETRICAL基于纯像元的几何解混方法像元纯度指数(PPI)N-FINDRVCAOtherReference GEOMETRICAL  基于几何的方法基本可以分为两大类：基于纯像元（PP）的方法和基于最小体积（MV）的方法。此外，还有一些其他方法也将被讨论。 在Section Ⅱ已经简单提到：通过将最小体积（MV）（最小面积）单纯形拟合到数据来完成端元估计（给定点集寻找构成凸包的点），可以作为几种基于几何的解混算法的理论基础 。 基于纯像元的几何解混方法  基于纯像元的
高光谱分类流程
weixin_43499418的博客
09-26 1384
高光谱分类流程 envi培训中的流程 1.辐射校正 2.端元提取 1）MNF（最小噪声分离）：针对高光谱数据的主成分分析，按SIN排列，PCA按方差排列 2）PPI（纯净像元指数）：寻找最纯的像元。 输入：排除噪声波段的MNF变化结果 输出： 创建ROI： 3）n维可视化显示：将MNF和PPI的结果相结合识别寻找最纯的像元，从而获得纯净端元的波谱。 输入：MNF；PPI的ROI class—>new 将聚集的圈存起来；右键mean all 选择输入的高光谱文件，将光谱曲线输出成光谱
ENVI 混合像元分解
热门推荐
qq_32649321的博客
12-21 2万+
一、混合像元分解的过程： 在影像已经完成预处理的前提下（如几何校正、大气校正、去噪等），混合像元分解的一般的过程：首先获取端元波谱（从图像上、波谱库中或者其他来源），然后选择一种分解模型在每个像素中获取每个端元波谱的相对丰度图，最后从丰度图上提取不同组成比例的像元。 二、混合像元分解算法 混合像元分解算法包括数据降维、端元选取和反演三个步骤。 1.数据降维 尽管数据降维不是混合像元分解算法的一个必需步骤，但由于大多数算法都将其作为一个流程，我们也将其当作一个步骤。常用的降维算法有主成分分析（Princip
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值