久久毛片一区二区三区,特黄做受又粗又长又大又硬,成年美女色黄网站视频网站

2025-01-10 10:52:40高光譜性能: 高光譜性能指的是物質在不同光譜波段上表現出的獨特反射、吸收或發射特性。這種性能使得高光譜技術能夠精確區分和識別不同物質，甚至能夠探測到物質內部的細微結構和化學成分變化。高光譜性能廣泛應用于遙感監測、農業估產、環境監測、地質勘探等領域，通過高光譜儀器獲取的數據，可以進行精確的分析和建模，為科學研究和實際應用提供強有力的支持。其高精度和高分辨率的特點，使得高光譜技術成為現代探測和分析的重要手段。

高光譜性能相關內容

全部
資訊
產品
問答

高光譜性能資訊

性能升級技術迭代 | 機載高光譜成像系統閃耀2025慕尼黑上海光博會

落幕不散場，期待再相逢！

江蘇雙利合譜科技有限公司 27
2025-03-13
性能升級煥新而來—雙利合譜第三代機載高光譜成像系統上線

GaiaSky-Mini3-VN是雙利合譜第三代機載高光譜成像系統，針對大疆M350開發的高性價比機載高光譜成像系統。采用專利的內置掃描系統和增穩系統，成功克服了無人機系統搭載推掃式高光譜相機時，由于無人機系統的震動造成的成像質量差的問題。

江蘇雙利合譜科技有限公司 49
2024-02-20

高光譜性能產品

產品名稱

所在地

價格

供應商

咨詢

: LabScanner實驗室高光譜成像系統; 國外歐洲; 面議; 北京易科泰生態技術有限公司
售全國; 我要詢價聯系方式

: GaiaMicroscope 高光譜顯微鏡; 國內北京; 面議; 北京卓立漢光儀器有限公司
售全國; 我要詢價聯系方式

: 高光譜顯微鏡HSI-SIM-6000; 國內上海; 面議; 上海納騰儀器有限公司
售全國; 我要詢價聯系方式

: 高光譜色差儀; 國內浙江; 面議; 杭州高譜成像技術有限公司
售全國; 我要詢價聯系方式

: Specim-RS野外便攜式高光譜成像系統; 國外歐洲; 面議; 北京易科泰生態技術有限公司
售全國; 我要詢價聯系方式

高光譜性能問答

2023-01-10 13:08:36高光譜遙感數據處理系列（一）高光譜數據讀取與可視化: 高光譜遙感數據處理系列（一）地表反射的太陽輻射包含著豐富的信息，從太陽外層大氣的吸收到地球大氣的吸收，經過與地物的相互作用反射回大氣，最終被傳感器捕獲。高光譜遙感可以在每個像元獲取高分辨率的光譜數據，這些光譜信息提供了一種理解事物的新的維度。下圖展示了幾種典型地物的光譜。可以看出不同地物展現出顯著不同的光譜特征。除此之外，同種地物在不同狀態下，也可能在特定波段展現出顯著不同的光譜特征。通過比對光譜數據，可以實現對地物區分，狀態區分，異常監測等難以通過傳統遙感手段實現的應用。高光譜遙感被廣泛應用于農林業、礦業、環境、保險、等領域。太陽輻射與典型地物反射率通常彩色影像有紅綠藍三個波段，多光譜影像有幾到十幾個波段，而高光譜影像有著幾十到上百個波段。波段的增加除了提高了信息量，還使得數據量成比例增加。這種數據量對計算機的性能提出了較高的要求，更多的是要求對處理者新的思路和方法。在接下來的文章中，我們將詳細介紹高光譜數據的處理流程與方法，希望能在此過程中給讀者以新的思考。Hyperspectral light sheet microscopy | Nature CommunicationsENVI (The Environment for Visualizing Images) 是美國Exelis Visual Information Solutions 公司的旗艦產品。它是由遙感領域的科學家采用交互式數據語言IDL (Interactive Data Language) 開發的遙感圖像處理軟件。ENVI已經廣泛應用于科研、環境保護、氣象、石油礦產勘探、農業、林業、醫學、國防&安全、地球科學、公用設施管理、遙感工程、水利、海洋、測繪勘察和城市與區域規劃等領域。雙擊ENVI圖標打開ENVI軟件，可以看到ENVI軟件的主界面由以下六個部分組成：①菜單欄、②工具欄、③圖層管理窗格、④圖像顯示部分、⑤工具箱、⑥狀態欄。ENVI軟件的布局如圖所示，首先點擊依次點擊①菜單欄->File->Open，在彈出的對話框中選取所需要的文件，一般的ENVI文件由兩部分組成，文件本體和頭文件（.hdr）。文件本體記錄了文件的數據信息，而頭文件中記錄了關于這些數據信息的描述。使用記事本文件可以直接打開hdr文件，可以看到其中包括了：操作記錄Samples：柵格列數Lines：柵格行數Bands：波段數Header offset：文件開頭到實際數據起始位置的偏移量File type：文件類型Data type：數據存儲類型，用數字表示bit位數Interleave：存儲順序Map Info：圖像采用的投影系統參數，坐標系統及單位Coordinate System String：詳細的坐標系統信息Wavelength：每個波段所對應的波長兩個文件應該放在同一目錄下面，ENVI在讀取時會自動進行關聯。任選其中一個文件都可以打開該文件，但是ENVI對兩個文件的處理方式有所不同。如果選擇.hdr文件，ENVI會直接載入顯示文件的第一個波段，如下圖所示。使用鼠標滾輪可以對圖像進行縮放操作，使用②工具欄中的工具可以對圖像進行拖動縮放等一系列操作。加載成功的圖像會顯示在③圖層管理區，通過點擊圖像前面的勾選框來控制圖像在④圖像顯示區的顯示與否。使用如果打開文件本體，ENVI會彈出Data Manager窗口該窗口包含三個部分，分別是①波段信息、②文件信息、③RGB波段選取。①中展示了所有波段的名稱，②中是經過處理后的頭文件信息，③是進行RGB合成的波段選取，點擊三種顏色的方框后，在①中單擊選擇波段，選擇完成后點擊Load Data。如果只想要顯示一個波段的灰度影響可以在①中選中目標波段后直接點擊Load Greyscale。RGB 合成象素值的彩色圖，就是將三個波段的數據分別通過紅、綠、藍三個通道加載，然后進行渲染。將多波段影像數據添加到地圖中之后，可使用多波段柵格數據集中的任意三個可用波段的組合來創建 RGB 合成圖。與僅處理一個波段相比，通過將多個波段共同顯示為RGB 合成圖通常可從數據集收集到更多信息。來源：簡書通常我們選取650nm、550nm和450nm分別賦給RGB通道進行合成以獲得最佳的顯示效果。顯示效果如下圖：在②工具欄中選擇按鈕，ENVI會在圖上顯示框標，并彈出光譜特征（Spectral Profile)窗口。光譜特征窗口中顯示了框標中心白點所在像元的光譜曲線。如下圖所示：點擊光譜特征窗口中的，可以對光譜曲線進行一些操作，如平滑，計算NDVI，顯示RGB波段所在位置等：小結本文介紹了高光譜影像的基本原理以及簡單的讀取及可視化操作。使用ENVI軟件可以實現大部分簡單的高光譜數據處理。在接下來的教程中，我們將從植被指數提取、高光譜濾波、非監督分類與監督分類等方面介紹ENVI軟件的使用。除此以外，我們還將介紹基于Python的高光譜處理，從編程角度介紹高光譜相關知識，以及高光譜數據與大數據處理的結合。參考：【1】百度百科【2】 www.jianshu.com/p/d0765ee89b86

2023-02-03 15:37:09?高光譜遙感數據處理系列（二）基于高光譜數據的植被指數計算: 高光譜遙感數據處理系列（二）反射率與植被指數來自地物反射/發射的光通過鏡頭被相機捕獲，使得傳感器被曝光。由于光電效應，傳感器上的每個像素傳感器上的電荷開始累計。經過相機芯片的轉換，這些光信號以數字的形式存儲下來，這些數字被稱為DN值。輻射亮度（Radiance），簡稱輻亮度，指面輻射源在單位立體角、單位時間內，在某一垂直于輻射方向單位面積（法向面積）上輻射出的輻射能量，即輻射源在單位投影面積上、單位立體角內的輻射通量。輻亮度是最常用的度量光強弱的物理量之一。輻亮度可以進一步用于反射率的計算。DN值可以看作由輻亮度與相機屬性主導的變量。去除DN值中由于相機屬性引起的變化，將其轉化為輻亮度的過程稱為輻射定標。通常該過程由相機廠商進行處理，或者廠商會提供用于定標的關鍵參數。物體反射的輻射能量占總輻射能量的百分比，稱為反射率。不同物體的反射率也不同，這主要取決于物體本身的性質(表面狀況），以及入射電磁波的波長和入射角度，反射率的大小范圍總是小于等于1，利用反射率可以判斷物體的性質。在使用無人機進行實際觀測時，通常使用地物輻亮度除以白板或反射布所在像元的輻亮度作為反射率。從空間量化植被覆蓋、生物化學、結構和功能是研究和理解全球變化、生物多樣性和農業的關鍵。實際上，遙感在很大程度上依賴于使用源自光譜反射率的植被指數 (Vegetation Indices, VI)。VI 是幾個波段反射率的數學變換，旨在最大限度地提高對特定生物物理現象（例如，綠度、含水量或光合作用活動）的敏感性，同時最大限度地降低對土壤特性、太陽光照、大氣條件和傳感器觀察等因素的敏感性。典型植物的反射光譜。植物光譜最顯著的特這就是紅光范圍的強吸收與近紅外區域的強反射，兩個波段之間的快速上升波段稱為紅邊。紅光波段的強吸收是由于植被葉綠素的吸收，而近紅外波段的強反射是由于植被的葉片結構導致的。通過兩個波段進行差分或比值可以凸顯出植被在這兩個波段的反射特性的差別。同時，差分或比值運算可以去除兩個波段中包含的背景信號及噪聲。不同的波段或組合形式側重展現了不同的植被特性。植被指數是對地表植被狀況的簡單、有效和經驗的度量。目前已經出現了上百種不同的植被指數。ENVI中包含了其中7類 27種植被指數。主界面功能區在主界面⑤工具箱中搜索欄中可以方便地對所有工具進行檢索，輸入 Vegetaton Indices Parameters ，打開該工具如下所示：鼠標單擊所需要的植被指數，然后點擊 Choose 選擇文件的存儲位置。此外ENVI還提供了將數據存儲到內存的選項 Memeory，但是這些數據在ENVI關閉后會被刪除。所以選擇存儲到內存時，ENVI會彈出二次確認對話框，繼續選中Memeory確認即可。ENVI的幫助文件中詳細展示了各種植被指數的公式及參考文獻。在菜單欄 Help 中打開-> 在左側 Contents 選項卡中的Vegetation Analysis。關于植被指數的發展和使用場景還可以參考 Xue J, Su B. Significant remote sensing vegetation indices: A review of developments and applications[J]. Journal of sensors, 2017.在獲取植被指數后，可以利用這些指數進行地表參數估算或者進一步進行實際應用，ENVI中提供了幾種植被指數的實際應用工具，包括林木健康分析（Forest Health Vegetation Analysis）、農作物脅迫（Agricultural Stress Vegetation Analysis）、易燃性分布分析（Fire Fuel Vegetation analysis），以及植被抑制（Vegetation Suppression）。這些應用工具結合幾類不同植被指數對植被進行評估，以林木健康分析為例，首先在主界面⑤中搜索欄中輸入 Forest Health Vegetation Analysis ，雙擊打開林木健康分析工具：該工具通過三類不同的植被指數：綠度指數，葉色素指數，冠層水分或光能利用率指數。ENVI內置了模型進行閾值篩選，綜合分析多種指數，將植被的健康狀況分為9種。波段運算如果需要使用內置植被指數以外的指數進行運算，可以使用ENVI中的Band Math工具。這里分別對窄波段和寬波段植被指數的計算進行介紹。窄波段歸一化植被指數：首先在主界面⑤中搜索欄中輸入 Band Math，雙擊打開波段運算工具：在Band Math中輸入所需要的表達式，這里需要注意的是，ENVI默認用b1，b2...來表示不同的變量，比如這里我們用到了兩個波段680nm和800nm，分別用變量b1和b2來表示。在Enter an expression中輸入(b2-b1)/(b2+b1)，點擊ok，會彈出變量與實際使用波段的匹配對話框。首先在①中單擊選擇需要賦值的變量，接下來在②中選擇所對應的波段（如果不同波段是分開存儲的，選擇Map Variable to Input File可以將整個文件賦給某個變量）。在有所變量選擇完畢后，點擊OK。結果如下圖所示：寬波段NDVI：通常機載成像光譜儀的光譜分辨率可以達到亞納米/納米級。而常用的衛星數據如Landsat系列和MODIS產品的光譜分辨率較寬，針對這些衛星遙感產品開發的植被指數基本都是寬波段植被指數。為了使用機載成像光譜儀進行寬波段植被指數的計算需要先對波段進行聚合，這里我們以Landsat系列的寬波段為例進行手動寬波段NDVI計算（Vegetaton Indices Parameters中也提供了一些寬波段VI的計算，這里另外介紹手動波段聚合的操作方法）。Landsat 9 的傳感器如下所示：Band 1 Visible (0.43 - 0.45 μm) 30-m.Band 2 Visible (0.450 - 0.51 μm) 30-m.Band 3 Visible (0.53 - 0.59 μm) 30-m.Band 4 Red (0.64 - 0.67 μm) 30-m.Band 5 Near-Infrared (0.85 - 0.88 μm) 30-m.在⑤工具箱中搜索欄中Sum Data Parameters,打開波段聚合工具。在①中選擇輸入文件，然后點擊 Spectral Subset ，在彈出的波段選擇窗格中，對要進行聚合的波段進行選取（按住Shift進行連續多選，按住Ctrl進行多選）。點擊OK進行確認。Sum Data Parameters 提供了多種波段聚合函數，這里選擇Mean函數進行聚合。依次對幾個波段進行聚合后的，我們得到以下文件。接下來可以用Band Math進行寬波段NDVI的計算，計算方法同上。小結自遙感領域出現以來，植被指數扮演著重要的角色，并且一直在發展完善。本文介紹了反射率和植被指數的概念，植被指數的原理，使用ENVI進行植被指數計算，以及手動窄/寬波段植被指數的計算。了解其背后的植物生理學知識，是正確使用這些指數的必要條件。

2025-03-12 15:30:10隔膜壓力表性能特點是什么？: 隔膜壓力表性能特點隔膜壓力表是一種廣泛應用于工業自動化、化工、石油、醫藥等領域的重要儀表。它憑借其獨特的結構設計和優異的性能，能夠有效應對惡劣環境中壓力測量的需求。本文將深入探討隔膜壓力表的性能特點，分析其在不同領域中的應用及優勢，幫助用戶更好地理解和選用這一設備。隔膜壓力表的核心特點在于其特殊的隔膜結構，這種設計使其能夠適應那些存在腐蝕性、高粘度、臟污等不利條件的工作環境。相比傳統的壓力表，隔膜壓力表通過隔膜與測量介質之間的物理隔離，確保了儀表內部零件免受介質的腐蝕和污染，從而延長了使用壽命并提高了測量的準確性。隔膜壓力表具有較強的耐腐蝕性。許多工業場合中，測量介質可能會對儀表產生腐蝕作用。常見的腐蝕介質包括化學液體、酸堿溶液等。如果使用傳統的壓力表，這些介質會對表內部零件造成損害，導致儀表失效。而隔膜壓力表通過其隔膜的保護作用，確保了儀表的長期穩定運行，避免了介質與儀表內部元件直接接觸，從而提高了設備的可靠性和使用壽命。隔膜壓力表適用于高粘度、高溫和臟污介質的測量。許多液體或氣體介質可能存在較高的粘度，或者介質中含有較大的固體顆粒，使用常規的壓力表進行測量可能會造成阻塞或讀數不準確。而隔膜壓力表通過其結構上的獨特設計，能夠有效地防止這些固體顆粒進入儀表，保證了測量的度和設備的正常運行。對于高溫環境，隔膜壓力表通過材料選擇和設計，使其能夠承受較高的工作溫度，確保在極端條件下也能穩定工作。再者，隔膜壓力表能夠有效避免壓力波動的干擾。在許多工業過程或化學反應中，壓力會發生頻繁的波動，傳統的壓力表可能會因為波動過大而導致測量不準確，甚至損壞儀表。而隔膜壓力表由于采用了隔膜這一緩沖裝置，可以有效減緩壓力波動對儀表的影響，從而提高了測量的穩定性和精度。在精度方面，隔膜壓力表也具有顯著的優勢。由于隔膜的特殊設計，它可以更好地適應一些極端的工作環境，保證儀表的穩定性，從而提供更準確的壓力測量結果。在某些高精度要求的應用中，隔膜壓力表能夠提供比傳統壓力表更為的讀數，滿足精細化測量的需求。隔膜壓力表憑借其耐腐蝕、高粘度、高溫、臟污介質的適應能力，以及優異的抗干擾性能，在各類工業場合中發揮著重要作用。無論是在化工廠、石油鉆井平臺，還是在食品加工、醫藥生產等領域，隔膜壓力表都能夠確保、穩定的壓力監測，為生產安全和流程優化提供可靠保障。因此，選擇一款高性能的隔膜壓力表是確保工業生產高效、穩定運行的關鍵之一。

2023-07-25 10:40:14半導體和鈣鈦礦材料的高光譜（顯微）成像: 目前在光伏業界，正在進行一項重大努力，以提高光伏和發光應用中所用半導體的效率并降低相關成本。這就需要探索和開發新的制造和合成方法，以獲得更均勻、缺陷更少的材料。無論是電致還是光致發光，都是實現這一目標的重要工具。通過發光可以深入了解薄膜內部發生的重組過程，而無需通過對完整器件的多層電荷提取來解決復雜問題。HERA高光譜照相機是繪制半導體光譜成像的理想設備，因為它能夠快速、定量地繪制半導體發射光譜圖，且具有高空間分辨率和高光譜分辨率的特性。硅太陽能電池的電致發光光譜成像光伏設備中的缺陷會導致光伏產生的載流子發生重組，阻礙其提取并降低電池效率。電致發光光譜成像可以揭示這些有害缺陷的位置和性質。"反向"驅動太陽能電池（即施加電流）會產生電致發光，因為載流子在電極上被注入并在有源層中重新結合。在理想的電池中，所有載流子都會發生帶間重組，這在硅中會產生1100 nm附近的光（效率非常低）。然而，晶體結構中的缺陷會產生其他不利的重組途徑。雖然這些過程通常被稱為"非輻射"重組，但偶爾也會產生光子，其能量通常低于帶間發射。捕獲這些非常罕見的光子可以了解缺陷的能量和分布。在本實驗中，我們使用了HERA SWIR (900-1700 nm)，它非常適合測量硅發光衰減。測量裝置如圖1所示：HERA安裝在三腳架上，在太陽能電池上方，連接到一個10A的電源。640×512像素的傳感器安裝在樣品上方75厘米處，空間分辨率約為250微米。圖1. 實驗裝置最重要的是，HERA光學系統沒有輸入狹縫，因此光通量非常高，是測量極微弱光發射的理想選擇。圖2.A和2.B顯示了兩個波長的電致發光（EL）圖像：1150 nm（帶間發射）和1600 nm（缺陷發射），這是4次掃描的平均值（總采集時間：5分鐘）。通過分析這些圖像，我們可以看到，盡管缺陷區域的亮度遠低于主發射區域，但它們仍被清晰地分辨出來。此外，具有強缺陷發射的區域的帶間發射相對較弱。我們可以注意到有幾個區域在兩個波長下都是很暗的；這可能是由于樣品在運輸過程中損壞了電池造成的。圖2.C中以對數標尺顯示了小方塊感興趣區域（圖2A和2B中所示）的光譜。圖 2.A 和 B：兩個選定波長（1150 nm 和 1600 nm）的電致發光（EL）圖像。C：A和B中三個不同區域對應的電致發光光譜（圖像中的彩色方框）。金屬鹵化物鈣鈦礦薄膜的光致發光顯微研究通過旋涂等技術含量低、成本效益高的方法，可以制造出非常高效的太陽能電池和LED。這些方法面臨的一個挑戰是在微觀長度的尺度上保持均勻的成分。光致發光顯微鏡是表征這種不均勻性的一個特別強大的工具。HERA高光譜相機可以連接到任何顯微鏡（正置或倒置）的c-mount相機端口，并直接開始采集高光譜數據，無需任何校準程序。圖3. 與尼康LV100直立顯微鏡連接的HERA VIS-NIR。在本實驗中，我們使用HERA VIS-NIR（400-1000 nm）耦合到尼康LV100直立顯微鏡（圖3）來表征兩種鹵化物前驅體合金的帶隙分布。將兩種鹵化物前驅體合金化的優點是能夠調整材料的帶隙；然而，這兩種成分經常會發生逆混合，從而導致性能損失。本實驗的目的是檢測這種逆混合現象：事實上，混合比的局部變化會改變局部帶隙，從而導致發射不同能量的光子。在這種配置中，激發光來自汞燈，通過帶通濾光片在350 nm處進行濾光，并通過發射路徑上的二向色鏡將其從相機中濾除。HERA的高通量使其能夠在大約1分鐘的測量時間內收集完整的數據立方體（130萬個光譜）。圖4.樣品的光譜綜合強度圖（A：全尺寸；B：放大）。圖4.A和4.B分別顯示了所有波長（400-1000 nm）總集成信號的全尺寸和放大圖像，揭示了長度尺度在1 μm左右的明亮特征。當我們比較亮區和暗區的光譜時（圖5.B中的黑色和紅色曲線），我們發現暗區實際上也有發射，不僅強度較低，而且波長中心比亮區短。事實上，光譜具有雙峰形狀，很可能與逆混合前驅體的發射相對應。圖5.A的發射圖清楚地顯示了帶隙的這種變化。我們現在可以理解為什么低帶隙區域看起來更亮了--載流子可能從高帶隙區域弛豫到那里，并且在發生輻射重組之前無法返回。圖5.A：顯示平均發射波長的強度圖。B：亮區和暗區的發射光譜（正常化）。東隆科技作為NIREOS國內總代理公司，在技術、服務、價格上都具有優勢。如果您有任何產品相關的問題，歡迎隨時來電垂詢，我們將為您提供專業的技術支持與產品服務。

2023-06-12 10:35:36轉載 | 高光譜遙感數據處理系列（六）監督分類: 高光譜遙感數據處理系列（六）非監督分類是一種面對數據本身的分類方法，與之相對應的：監督分類，則是面向先驗知識的分類方法。監督分類是指給定已知類型的數據，通過建模的方式將這些數據與對應的類型建立映射關系，并將這種關系應用到未知類型的數據上的過程。如果每種類型用一個數字來表示，分類任務可以看做回歸分析的一種特例。主界面分區ROI工具監督分類需要有已知類型的數據集作為先驗知識進行訓練，稱為訓練集。一般可以通過目視解譯，或者實地樣方調查的方式獲取訓練集。構建訓練集的方法如下：在主菜單②工具欄中點擊打開Region of Interest（ROI) Tool，進行興趣區選取：ROI工具最基本的ROI選取過程如上圖所示，首先選擇①工具添加新的ROI范圍，在②中調整ROI的名稱和顏色，在③中選擇繪制ROI的圖形形狀，④在圖上繪制ROI，完成后右鍵Accept shape type。如果想要繪制帶有空洞的圖形，可以點擊復選框⑤所示的Multi Part復選框，然后在影像上繪制兩個疊加的圖形，完成后右鍵 Accept。使用File可以進行ROI圖層的讀取與保存如果選取好了ROI可以使用Options可以利用對ROI本身進行融合（Merge（Union/Intersection）ROI）,計算離散度（Compute ROI Separability），或者使用對ROI范圍內的圖像進行統計（Compute Statistics from ROIs）。另外也可以使用ROI對圖像進行裁剪。除了使用不同形狀進行框選，還可以使用像元，自動區域生長，閾值選取等方式產生ROI。在ENVI的幫助文件中詳細介紹了這些工具的使用方法。在主界面①菜單欄 Help 中打開-> 在左側Contents選項卡中的:book:ROIs, Vectors, Annotations，請讀者自行查閱。監督分類在訓練集選擇完畢后就可以進行監督分類，ENVI中提供了多種監督分類的工具，包括：平行六面體（Parallelepiped）最小距離（Minimum Distance）馬氏距離（Mahalanobis Distance）最大似然（Maximum Likelihood）神經網絡（Neural Net）支持向量機（Support Vector Machine）波譜角（Spectral Angle Mapper）這里我們介紹兩種監督分類方法，最大似然法和波譜角方法。01最大似然法在ENVI的幫助文件中詳細介紹了各種分類方法的原理。在主界面①菜單欄 Help 中打開-> 在左側Contents選項卡中Classification->Supervised Methods中，最大似然法定義為:最大似然分類假設每個波段中每個類別的統計數據呈正態分布，并計算給定像素屬于特定類別的概率。每個像素被分配到具有最高概率（即最大似然）的類別。根據該定義，最大似然法將每個類別投影到特定的分布上，分類問題被轉化為分布相似性問題。在主界面⑤中搜索Maximum Likelihood打開最大似然分類工具。首先要選擇進行訓練的數據，需要強調的是，我們選擇在上篇文中生成的主成分分析的結果進行分類，而不是影像本身，具體原因在上篇文章中有詳細描述。分類結果如下所示：02波譜角方法光譜角映射器 (SAM) 是一種基于物理的光譜分類，它使用 n 維角度將像素與參考光譜進行匹配。該算法通過計算光譜之間的角度并將它們視為維數等于波段數的空間中的向量來確定兩個光譜之間的光譜相似性。SAM 使用的端元光譜可以來自 ASCII 文件或光譜庫，或者您可以直接從圖像中提取它們（作為 ROI 平均光譜）。SAM 比較端元譜向量與 n 維空間中每個像素向量之間的角度。較小的角度代表與參考光譜更接近。在主界面⑤中搜索Spectral Angle Mapper打開光譜角工具，在端元集合（Endmember Collection：SAM）中導入選取的ROI，將上一步選取的ROI所在范圍的光譜均值作為特定類別的標準光譜。SAM的本質是將分類問題轉化為對比未知類別數據與標準光譜的余弦距離的問題。需要強調的是，我們選擇主成分分析的結果進行分類，而不是影像本身，具體原因在上篇文章中有詳細描述。分類結果如下所示：小結本文中我們介紹了兩種監督分類的方法，相對于非監督分類，監督分類通過融入先驗知識，提供了有明確類別的結果，這大大減少了進行后續處理的成本。但是對于遙感應用來說，獲取地面真值的成本較高，通過目視解譯的方式會不可避免地引入人為誤差，給結果帶來不確定性。正如上一篇文章提到，數據和特征決定了分類的上限，而分類的方法只能逼近這個上限。如何構建質量高、數量多的訓練集，權衡成本是監督分類需要考慮的問題。