马氏距离计算高光谱波段相似性 python代码

下面是用Python计算高光谱波段相似性的马氏距离代码示例：

import numpy as np

# 计算马氏距离
def mahalanobis_distance(x, y, cov):
    x_mean = np.mean(x, axis=0)
    y_mean = np.mean(y, axis=0)
    diff = x_mean - y_mean
    inv_cov = np.linalg.inv(cov)
    md = np.sqrt(np.dot(np.dot(diff, inv_cov), diff.T))
    return md

# 读取高光谱数据
data = np.loadtxt('data.txt')

# 计算协方差矩阵
cov = np.cov(data.T)

# 按照一定的方式选择两个样本
x = data[0:100,:]
y = data[100:200,:]

# 计算马氏距离
md = mahalanobis_distance(x, y, cov)
print("马氏距离为：", md)

其中，`data.txt`是高光谱数据文件，`cov`是协方差矩阵，`x`和`y`是两个样本，`md`是计算得到的马氏距离。