高光谱遥感是什么？高光谱遥感数据如何处理？（基于Matlab和Python多案例解析）从小白到精通

[专题一理论基础](#专题一理论基础)

[专题二 Matlab开发基础](#专题二 Matlab开发基础)

[专题三 Matlab高光谱数据处理技术](#专题三 Matlab高光谱数据处理技术)

[专题四 Matlab混合像元分解技术](#专题四 Matlab混合像元分解技术)

[专题五典型案例操作实践](#专题五典型案例操作实践)

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。

学习后您将通过高光谱遥感、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。

专题一理论基础

1、高光谱遥感

高光谱遥感是什么？---高光谱遥感基本概念；

高光谱遥感的三个特点---光谱分辨率高、光谱通道连续、光谱成像

高光谱遥感为什么有用？---高光谱遥感产生动机和过程，基于cite space的高光谱技术热点分析

2、高光谱遥感成像与数据处理

数字魔方游戏---高光谱成像机理与成像光谱仪

谈反射率数据实际上是谈什么？---高光谱遥感数据类型、参数、元数据数据预处理（辐射校正、大气校正）；

高光谱为什么要降维？---光谱特征提取，主成分分析（PCA）、最小噪声分离（MNF）

3、高光谱遥感图像分类与混合像元分解

高光谱遥感图像分类与识别，监督分类与非监督分类

无处不混合---混合光谱形成、物理机理

线性与非线性模型---混合像元分解模型，线性光谱混合物理、数学模型，Hapke非线性模型

专题二 Matlab开发基础

1、matlab软件介绍及安装、常用功能介绍

matlab版本介绍，安装

Matlab软件界面，常用功能介绍

过去踩过的那些坑---常见错误和使用注意，路径问题等

2、Matlab高光谱图像处理框架

Matlab高光谱图像处理框架组织与分析

APP---高光谱查看器的使用介绍。主要界面，波段选择，波段组合图像显示和光谱可视化

数据读写可视化、增强、校正、降维、光谱解混、光谱匹配等六组函数

数据预处理（辐射校正、大气校正）Matlab模块介绍及解析

3、Matlab精选案例及解析

高光谱遥感图像分类案例介绍及解析，SAM图像分类

高光谱遥感图像解混案例介绍及解析，HFC、N-FINDR、spectralMatch、SID等程序

专题三 Matlab高光谱数据处理技术

1、高光谱成像数据处理及matlab实现

GF-5、资源02D卫星高光谱图像数据读取可视化（APP、函数）

2D\3D高光谱数据矩阵变换（函数）

2、地面波谱测量数据处理及matlab实现

便携式地物光谱仪（asd），数据读取，可视化（函数）

反射率因子数据计算（函数）

光谱曲线显示可视化（函数）

3、高光谱数据回归定量分析及matlab实现

高光谱回归分析数据整理（函数）

回归学习器，随机森林、线性、支持向量机等（APP、函数）

回归分析结果、误差分析可视化。（APP、函数）

专题四 Matlab混合像元分解技术

1、高光谱端元数量评估及matlab实现

Harsanyi-Farrand-Chang（NWHFC）噪声白化方法、Hysime高光谱数据的程序实现

Hysime端元数量评估方法代码解析

2、端元光谱提取及matlab实现

采用PPI、VCA等方法对高光谱数据的端元光谱进行提取

VCA端元光谱提取的代码解析

3、端元含量评估及matlab实现

采用最小二乘、稀疏运算等方法对高光谱数据的端元含量进行评估

最小二乘端元含量评估方法代码解析

专题五典型案例操作实践

**1.矿物填图案例：**以甘肃某地区为例，采用资源02E数据进行绢云母、绿泥石等蚀变矿物信息提取和定量评估。涉及研究区高光谱影像读取、评估矿物种类数目、提取矿物端元光谱、利用光谱库进行识别、评估矿物含量、数据处理、矿物图可视化、结果输出等。

**2.木材含水量算法案例：**采用回归学习器对森林木材样品数据含水量进行定量分析，涉及高光谱数据读取、写入、高光谱回归分析数据整理，回归学习器，随机森林、线性、支持向量机等含水量评估、误差分析可视化。回归分析结果可视化、结果输出等。

**3.土壤质量评估案例：**基于航空高光谱、地面波谱测试数据对土壤质量参数进行评估，涉及航空、地面高光谱土壤调查方案设计、高光谱数据的预处理整体，土壤质量参数建模，结果可视化等。

注：请提前安装所需软件