ppi
Pixel Purity Index を使用したエンドメンバー シグネチャの抽出
説明
endmembers = ppi(inputData,numEndmembers)inputData からエンドメンバー シグネチャを抽出します。numEndmembers は PPI アルゴリズムを使用して抽出するエンドメンバー シグネチャの数です。
この関数は、ランダムに生成された単位ベクトルのセットにハイパースペクトル データを投影します。単位ベクトルの方向に極端な値を持つピクセルはピュア ピクセルと見なされ、それらのピクセルがエンドメンバーを構成します。入力データのスペクトル バンド全体にまたがるエンドメンバーの値がエンドメンバー シグネチャを構成します。詳細については、アルゴリズムを参照してください。
endmembers = ppi(inputData,numEndmembers,Name=Value)
投影に使用する、ランダムに生成された単位ベクトルの数
削減されたハイパースペクトル データから抽出するエンドメンバー シグネチャ
メモ
この関数には、Hyperspectral Imaging Library for Image Processing Toolbox™ が必要です。Hyperspectral Imaging Library for Image Processing Toolbox はアドオン エクスプローラーからインストールできます。アドオンのインストールの詳細については、アドオンの入手と管理を参照してください。
Hyperspectral Imaging Library for Image Processing Toolbox は、MATLAB® Online™ および MATLAB Mobile™ によってサポートされないため、デスクトップの MATLAB が必要です。
例
ハイパースペクトル データをワークスペースに読み取ります。
hcube = imhypercube("paviaU.hdr");関数 countEndmembersHFC を使用して、ハイパースペクトル データ キューブ内に存在する、スペクトル的に異なるエンドメンバーの数を求めます。
numEndmembers = countEndmembersHFC(hcube,PFA=10^-7);
Pixel Purity Index (PPI) 法を使用してエンドメンバーを計算します。既定では、関数 ppi は最大ノイズ フラクション (MNF) 変換を使用して前処理を行います。投影に使用する既定のスキュアーの数は です。
datacube = gather(hcube); endmembers = ppi(datacube,numEndmembers);
ハイパースペクトル データのエンドメンバーをプロットします。
figure plot(endmembers) xlabel("Band Number") ylabel("Pixel Values") title({"Endmembers Spectra","Number of Endmembers = "+num2str(numEndmembers)}); ylim([0 9000])
ハイパースペクトル データをワークスペースに読み取ります。
hcube = imhypercube("paviaU.hdr");関数 countEndmembersHFC を使用して、ハイパースペクトル データ キューブ内に存在する、スペクトル的に異なるエンドメンバーの数を求めます。
numEndmembers = countEndmembersHFC(hcube,PFA=10^-7);
Pixel Purity Index (PPI) 法を使用してエンドメンバーを計算します。投影に使用する単位ベクトルの数を 100 に指定します。また、次元削減に主成分分析 (PCA) 法を選択します。
datacube = gather(hcube);
endmembers = ppi(datacube,numEndmembers,NumVectors=100,ReductionMethod="PCA");ハイパースペクトル データのエンドメンバーをプロットします。
figure plot(endmembers) xlabel("Band Number") ylabel("Pixel Values") ylim([0 9000]) title({"Endmembers Spectra","Number of Endmembers = "+num2str(numEndmembers)});
入力引数
名前と値の引数
出力引数
アルゴリズム
Pixel Purity Index (PPI) 法では、"スキュアー" と呼ばれる、ランダムに生成された単位ベクトルのセットに対してハイパースペクトル データ値の直交投影を計算します。その後、各データ値の PPI カウントを計算します。PPI カウントは、データ値がこれらのスキュアーに投影された場合に極値点としての結果が得られる回数です。想定より多い PPI カウント数のデータ値は、ハイパースペクトル データのエンドメンバーを構成します。PPI は非反復法であり、含まれる手順をまとめると以下のとおりです。
主成分バンドを計算し、MNF または PCA を使用して入力データの次元を削減します。抽出する主成分バンドの数は、抽出するエンドメンバーの数と等しく設定されます。
入力データと同じ長さの k 個のスキュアーを生成します。
r をピクセル スペクトルを表すサンプル ベクトルとします。次に、このサンプル ベクトルを各スキュアーに直交投影して極値を求めます。
各極値の場所を格納してその発生数をカウントします。この発生数を PPI カウントと呼びます。
入力データ キューブ内のピクセル スペクトルごとに PPI カウントを求めます。
PPI カウントの降順でピクセル スペクトルを配置し、並べ替えたセット内にある最初の n 個のピクセル スペクトルをエンドメンバーとして特定します。選択するエンドメンバーの数は入力引数
numEndmembersで指定します。
参照
[1] J.W Boardman, F.A. Kruse and R.O. Green, "Mapping target signatures via partial unmixing of AVIRIS data.", Technical Report, California, USA, 1995.
バージョン履歴
R2020a で導入
