Hyperion数据产品及预处理研究

高光谱遥感是近年来发展起来的一种全新的遥感技术,其在对地成像的同时能够获取地物波谱特征。鉴于河北省高光谱遥感工作目前处于探索阶段,本文以河北省北部丰宁地区一景星载高光谱遥感数据（Hyperion）为例,详细介绍了星载高光谱遥感数据产品的组成、产品命名规则、数据特点及预处理方法,为高光谱遥感技术在地质找矿、环境监测、精细农业等领域的应用提供技术支撑。     

干涉成像光谱遥感技术发展与应用

干涉成像光谱技术是遥感技术与应用的前沿与热点,因其高通量、高光谱分辨率和高成像稳定性等特点带来的巨大应用潜力而受到各国的普遍重视。从干涉成像光谱技术基本原理出发,系统回顾并评述干涉成像光谱数据在光谱复原、定标、大气校正三方面的主要进展,同时对国内外干涉型成像光谱仪的发展与应用加以介绍,指出基于HJ\|1A超光谱成像仪开展相关工作是加快我国干涉成像光谱技术发展的有效途径。     

成像光谱仪图像数据特征和实时处理系统

一、引言本文通过分析成像光谱仪图像数据的特征,提出减少和压缩成像光谱仪数据率的可能性和实施方案,并研制了一套成像光谱仪图像实时处理系统。成像光谱仪以它高光谱分辨率的强大优势而将成为90年代新型的遥感仪器。它把传统的二维空间遥感技术与光谱仪的技术有机地相结合发展成“图谱合一”的三维遥感技术。为了探测到地物光谱的吸收和反射特征,目前的成像     

高光谱遥感蚀变矿物信息提取研究综述北大核心CSCD

蚀变围岩是热液矿床形成的重要标志之一,围岩蚀变会产生蚀变矿物,其与围岩中的矿物在颜色、结构、化学成分等方面具有明显差异,这些差异可导致蚀变矿物在特定波长区间产生诊断性波谱特征。通常高光谱遥感指的是光谱分辨率在5~15 nm的成像遥感,而绝大多数蚀变矿物的诊断性波谱宽度在20~40 nm,因此利用高光谱遥感技术可以快速地提取蚀变矿物信息,依据蚀变矿物组合及分布特征,划分蚀变分带、圈定矿化异常等具有重要的找矿意义。文章基于现有研究成果,系统总结了典型蚀变矿物的波谱特征、高光谱遥感技术的发展历史、蚀变矿物信息提取方法、不同地表覆盖类型对蚀变矿物信息提取的影响以及蚀变矿物信息提取在不同矿床类型下找矿的应用,最后指出了高光谱蚀变矿物信息提取研究中存在的问题以及未来发展方向。     

高光谱图像的无损压缩研究进展

随着成像光谱仪的普及应用,遥感图像的空间分辨率、谱间分辨率、时间分辨率越来越高,使得成像光谱数据量迅速增长,对海量数据进行有效的压缩成了遥感技术发展中迫切需要解决的一个问题.由于有损压缩可能会丢掉对进一步处理非常有用的信息,通常采用无损压缩方法.本文首先介绍了高光谱图像的特点和无损压缩的基本原理,然后综述了高光谱图像无损压缩的研究进展,最后展望了研究前景.     

高光谱遥感图像波段选择研究进展综述

高光谱成像遥感技术可获取地物的光谱、辐射和空间信息,在国民经济的各个领域得到广泛的应用.但其狭窄的波段间距带来丰富光谱信息的同时,也带来了信息冗余,增加了数据处理的难度.因此,高光谱遥感数据在进行实际应用前,需要进行波段选择并提取光谱特征,降低数据维数.对高光谱遥感图像的波段选择研究进展进行了综述,在分析、归纳波段选择...     

高光谱图像在生物医学中的应用

高光谱成像（hyperspectral imaging,HSI）作为生物医学可视化的一种新兴技术,在生物医学领域的研究正逐渐受到关注。随着高光谱成像技术以及精准医学的迅速发展,将高光谱成像技术应用于近距离的医学诊断成为新的研究趋势。高光谱成像技术能同时获取生物组织的2维空间信息和1维光谱信息,覆盖可见光、红外和紫外等光谱范围,具有较高的光谱分辨率,可提供有关组织生理、形态和生化成分的诊断信息,为生物组织学研究提供更精细的光谱特征,进而为医学病理诊断提供更多辅助信息。本文介绍了高光谱成像技术的基本原理、高光谱显微成像系统的基本构成及特点。基于此,总结并阐述了高光谱成像技术在疾病诊断和手术指导中的应用进展,涉及其在癌症、心脏病、视网膜疾病、糖尿病足、休克、组织病理学和图像引导手术等方面的应用。综合分析了高光谱成像技术在生物医学领域应用的局限性,并提出了生物医学研究领域中该技术的未来发展方向。     

基于无人机遥感技术的森林参数获取研究进展

凭借着高分辨率、可控性强和性价比高的特点,无人机遥感技术在森林研究中得到了迅速的发展与应用。对无人机遥感成像平台的发展和国内外利用无人机遥感技术开展森林调查的情况进行介绍,针对单木和林分两种森林资源调查对象,总结了目前利用无人机遥感技术提取森林参数的前沿方法。重点分析和讨论了基于无人机平台的多光谱、高光谱和激光雷达传感器获取森林参数的算法,对比了其优越性、局限性并分析其最佳应用场景。此外,介绍了无人机遥感在森林树种分类和病虫害监测方面的应用情况。最后,对无人机遥感技术在森林监测方面的应用前景进行了展望,可为今后基于无人机遥感的森林资源监管领域的研究提供理论依据与技术支持。     

成像光谱图像压缩技术研究的新进展

随着成像光谱技术的迅速发展,成像光谱图像呈现出空间分辨率和光谱分辨率不断提高的特点,其呈几何级数增长的数据量与遥感平台上传输和存储的有限资源产生了巨大矛盾,这使得对海量数据进行有效的压缩成了遥感技术发展中迫切需要解决的一个问题.首先介绍了成像光谱图像的特点及其压缩框架,然后综述了成像光谱图像压缩算法的研究进展,最后对研究前景进行了展望.     

高光谱遥感油气勘探进展

遥感方法用于油气勘探已有多年的历史。随着高光谱遥感技术的发展,高光谱遥感油气勘探近年来取得了很大的进展。简要介绍了高光谱油气勘探的基本原理和流程,重点讨论了烃渗漏引起地表烃异常、岩石矿物蚀变异常以及植被异常的高光谱响应机制,以及目前研究中存在的问题。归纳总结了目前用于油气勘探的高光谱影像数据类型及特点。高光谱遥感方法用于油气勘探,在高光谱异常响应机制、数据来源以及数据处理和分析方面还有许多问题有待解决,针对这些问题,提出了相应的解决思路。     

高光谱遥感图像分类算法中的应用研究

针对高光谱遥感图像数据量大、维数高、数据之间冗余量大的特点,提出一种基于决策边界特征提取(Decision Bounda-ry Feature Extraction,DBFE)的SVM高光谱遥感图像分类算法。首先采用DBFE对高光谱遥感图像进行特征提取,消除特征之间相关性,并降低特征维数,然后采用GA对SVM参数进行优化,找到最优分类模型参数,最后采用最优分类模型对待分类的高光谱遥感图像进行分类。仿真结果表明,高光谱遥感图像分类算法提高了高光谱遥感图像分类的效率和分类正确率,说明分类方法是有效、可行的。     

高光谱遥感在生态系统研究中的应用进展

遥感技术在生态系统调查与研究中具有广阔的应用潜力,但是传统的多光谱遥感主要侧重在面上的普查,很难对生态系统中各种复杂地物属性和生化参量进行精确反演。高光谱遥感突破了光谱分辨率的限制,大大提高了人们获取多种生态系统模型输入参数的类型和精度。在阐述高光谱遥感的原理和信息特点的基础上,系统评述了目前国内外高光谱遥感在生态系统过程与属性研究中的应用,并对未来高光谱遥感在生态学领域的研究方向做出展望。      

基于拉普拉斯特征映射高光谱遥感影像降维及其分类

在进行高光谱遥感影像监督分类过程中,结合高光谱数据非线性的特点和流形学习强大的非线性处理能力,提出一种基于拉普拉斯特征映射(LE)降维和最佳指数法(OIF)波段组合选择训练样本进行SVM分类的策略,首先对高光谱遥感影像波段进行优化,利用拉普拉斯特征映射法(LE)对波段优选后的影像进行降维,利用OIF选择波段组合叠加进行训练样本选择。在此基础上采用支持向量机(SVM)进行分类处理,取得了优于PCA的效果。实验证明了流形学习是一种行之有效的高光谱遥感数据特征提取方法。     

基于随机子空间核极端学习机集成的高光谱遥感图像分类

结合随机子空间和核极端学习机集成提出了一种新的高光谱遥感图像分类方法。首先利用随机子空间方法从高光谱遥感图像数据的整体特征中随机生成多个大小相同的特征子集;然后利用核极端学习机在这些特征子集上进行训练从而获得基分类器;最后将所有基分类器的输出集成起来,通过投票机制得到分类结果。在高光谱遥感图像数据集上的实验结果表明:所提方法能够提高分类效果,且其分类总精度要高于核极端学习机和随机森林方法。     

基于SSAE深度学习特征表示的高光谱遥感图像分类方法

针对遥感图像中高光谱数据的分类问题,提出一种基于堆叠稀疏自动编码器(SSAE)深度学习特征表示的高光谱遥感图像分类方法。首先,将光谱数据样本进行预处理和归一化。然后,将其输入到SSAE中进行特征表示学习,并通过网格搜索来获得最优网络参数,以此获得有效的特征表示。最后通过支持向量机(SVM)分类器对输入图像特征进行分类,最终实现遥感图像中像素的分类。在两个标准数据集上的实验结果表明,该方法能够实现准确的高光谱地物分类。     

利用信息熵的高光谱遥感影像降维方法

高光谱遥感影像以其众多的波段数目，为地表观测提供近乎连续的波谱数据；然而海量的高光谱遥感影像存在着大量的信息冗余，为数据的处理带来了挑战。因此在对高光谱遥感影像进行存储、分析及可视化等操作之前，对高光谱遥感影像降维处理成为预处理的关键环节之一。利用信息熵理论，将高光谱遥感影像的各波段抽象为具有相关性的独立个体，设计了高光谱遥感影像的决策表矩阵，进而计算各波段的信息熵，量化各波段的信息量，从而将各波段根据信息增益进行排序。用户可根据高光谱遥感影像应用的精度需求，按排序选择波段组合，从而达到降维目的。以遥感分类结果的精度评价为例，对高光谱遥感降维方法的可行性和优越性进行评价。实验结果表明，该方法相较其他特征选取降维方法，能获得更高的分类精度。     

基于CPU/GPU异构模式的高光谱遥感影像数据处理研究与实现

近年来,基于GPU的新型异构高性能计算模式的蓬勃发展为众多领域应用提供了良好的发展机遇,国内外遥感专家开始引入高性能异构计算来解决高光谱遥感影像高维空间特点所带来的数据计算量大、实时处理难等问题。在此简要介绍了高光谱遥感和CPU/GPU异构计算模式,总结了近几年国内外基于CPU/GPU异构模式的高光谱遥感数据处理研究现状和问题;并面向共享存储型小型桌面超级计算机,基于CPU/GPU异构模式实现了高光谱遥感影像MNF降维的并行化,通过与串行程序和共享存储的OpenMP同构模式对比,验证了异构模式在高光谱遥感处理领域的发展潜力。     

基于RBF神经网络的混合像元分解

介绍了高光谱遥感技术中混合像元的概念,可以通过分析高光谱遥感光谱曲线,来确定混合像元的地物组成类别和比例,实现混合像元分解的目的.阐述了基于RBF网络进行混合像元分解的方法,并采用模拟遥感数据进行了仿真实验,验证了这种方法的有效性.     

农业高光谱遥感研究的现状与发展趋势

高光谱遥感是对地观测强有力的工具和现代遥感的重要发展方向,在农业上具有广泛的应用前景。简要介绍了农业高光谱遥感应用研究的原理及现状,存在的问题及发展趋势。