红外光谱成像仪性能的综合考虑

红外光谱成像仪正在被考虑用 对地的目标探测。红外傅里叶变换光谱仪已经用来对野外目标和背景进行测量,对这些测量的分析表明：目标对背景颜色,高光谱波段地许多背景的波段关系是存在的,因此,与宽波段或单一窄波段红外传感器相反,采用约外光谱传感器可以在高的地物干扰背影中改善对低反差目标的探测。     

机载热红外多光谱数据定标与温度反演

设计了热红外航空遥感实验,对获取的热红外图像进行了定标,用发射率归一化方法反演了地物的温度和发射率光谱,探讨了利用地物热红外光谱识别地物的可行性.结果表明,基于热红外多光谱数据的发射率归一化方法可以有效地反演地物温度和发射率光谱,所反演的发射率光谱可以比较有效地应用于地物的识别,尤其是对于土壤不同性状的探测识别可以取得良好的结果.     

利用热红外偏振成像技术识别伪装目标

介绍了热红外偏振测量的原理，采用利用偏振信息在红外图像中识别伪装遮障的方法研制了一台热红外偏振成像仪，编写了偏振信息分析软件。利用该系统对地物背景（土壤）中的不同种类金属目标板及红外伪装遮障进行了热红外偏振成像探测实验。结果表明：在利用热红外偏振探测系统获得的Stokes矢量图中， 地物背景、金属目标板及红外伪装遮障的热红外偏振特性各不相同，并且和其红外辐射强度无关，相对红外强度探测更容易从地物背景中识别出金属目标板及红外伪装遮障。     

基于红外热图像的标准几何体重构方法的研究

在红外图像特征提取的基础上，提出了一种基于单幅红外图像自动识别并重构标准几何体的方法，即采用红外目标图像上关键点的几何特性对红外目标进行自动分类；利用空间直角变换以获得目标的关键参数；最后实现了红外目标图像的标准几何体的三维模型重构，为复杂红外目标的自动重构打下基础。     

地物目标热红外光谱发射率的野外测量方法研究

在航天红外遥感应用中，地物目标光谱发射率是卫星遥感测量地面温度的一个重要参数。野外测量的大气环境、目标背景和地物的热力学特性等因素的影响，使得野外测量地物目标表面光谱发射率变得较为复杂。重点讨论了利用傅里叶变换红外光谱仪野外测量地物目标光谱发射率的方法和程序，介绍了几种正确分离目标温度与发射率的方法。野外测量实验结果表明，按照文中所述的测量方法，测量得到的地物热红外光谱发射率具有良好的一致性，发射率测量误差小于0．02。     

红外多光谱技术在昼夜交替时段探测的应用

当利用红外探测系统在昼夜热交替时段进行目标探测时,由于探测场景中目标和背景温度差会发生较大变化,使得目标和背景之间的红外辐射差异在这一阶段的某些时刻很可能接近于0,体现在热红外图像中即为目标与背景融合为一体,从而产生红外探测系统的盲区现象,导致在昼夜热交替时段传统热红外探测系统无法有效识别目标。针对这一问题,在分析热红外探测系统在昼夜热交替时段致盲原因的基础上,提出一种基于中红外多光谱的昼夜热交替时段探测方法并研制了原理样机,通过利用不同目标之间的红外光谱特性差异实现热交替时段目标的识别与区分。实验结果表明,红外多光谱技术能有效提高传统热红外探测系统在昼夜热交替时段的目标探测能力,相比同一时刻中波红外宽波段成像,红外多光谱成像中目标和背景的DN值比值平均提高了约18%,能够为全天时红外探测系统的实际应用提供很好的借鉴。     

基于可见光光谱图像的红外多光谱图像仿真生成

阐述了红外多光谱图像仿真技术的意义和原理,研究了一种红外多光谱图像的仿真生成方法.提出了一种基于可见光/近红外波段多光谱、超光谱图像数据的地面场景建模方法,以及无监督分类方法和有监督分类方法相结合的地物像元分类、匹配、标记的策略,可以高效地解决像元地物自动匹配标记的问题.利用RGB彩色图像验证了这一方法,在将图像分割后为每类像元赋予相应的红外发射率数值,生成了4个红外波段的多光谱仿真图像,验证了该方法的可行性,指出了多光谱、超光谱图像数据在仿真应用中的各自特点.从仿真结果可以看出:不同波段图像中目标和背景之间呈现不同的特征.该方法可以生成空间形貌和辐射特征接近真实环境的红外多光谱仿真图像,对长波红外波段的多光谱成像探测仪器的研制和目标、背景光谱特征分析与探测算法的研究具有一定意义.     

基于红外图像的遮挡标准几何体重构方法的研究

在基于单幅红外图像自动识别并重构标准几何体的方法基础上,利用正侧两幅红外图像对带有遮挡的标准几何体的组合进行自动识别和分类,提取图像的清晰边缘后通过提取遮挡几何体未被遮挡的对称区域来提取被遮挡几何体几何特征;利用空间直角变换获得尺寸参数,最后应用三维重构模型实现多目标有遮挡的红外图像的几何体系统的三维模型重构,为复杂的红外目标的自动重构打下基础。     

衍射光学系统红外光谱目标探测性能

衍射光学系统具有大口径轻量化的优点,但其光谱范围较窄,能利用的红外信号能量较小,通常认为采用后会使红外相机的探测信噪比降低。基于衍射光学系统,分析了对地观测红外相机的目标探测性能,结合一个非制冷红外相机信噪比计算示例,明确了在地物背景和目标光谱特性不同的条件下,基于衍射光学系统的红外相机仍可能具有良好的目标探测性能。同时将红外相机等效噪声功率与激光和电子学系统进行对比,提出了红外探测系统的性能还可能进一步提高的观点,给出了一种引入激光本振结合电子学滤波细分红外光谱降低等效噪声功率的方法。     

地物目标热红外光谱发射率的野外测量方法研究

在航天红外遥感应用中,地物目标光谱发射率是卫星遥感测量地面温度的一个重要参数。野外测量的大气环境、目标背景和地物的热力学特性等因素的影响,使得野外测量地物目标表面光谱发射率变得较为复杂。重点讨论了利用傅里叶变换红外光谱仪野外测量地物目标光谱发射率的方法和程序,介绍了几种正确分离目标温度与发射率的方法。野外测量实验结果表明,按照文中所述的测量方法,测量得到的地物热红外光谱发射率具有良好的一致性,发射率测量误差小于0．02。     

基于低秩表示和学习字典的高光谱图像异常探测

提出一种基于低秩表示和学习字典的高光谱遥感图像异常探测算法.相对于其它低秩矩阵分解方法如鲁棒主成分分析,低秩表示方法更为契合高光谱图像的线性混合模型.该算法将低秩表示模型应用到高光谱图像异常探测问题上来,引入表征背景信息的学习字典,大大增强了低秩表示模型对初始参数的鲁棒性.仿真和实际高光谱数据的实验结果表明,所提出的算法有效地提高了异常的探测率,同时对初始参数具有较好的鲁棒性,可以作为一种解决高光谱图像异常探测的有效手段.     

基于流形学习的新高光谱图像降维算法

提出了一种新的基于图像块距离的邻域选择方法,并将其应用于流形学习中,得到一类新的高光谱图像非线性降维算法。该类算法利用高光谱图像物理特性,结合图像的光谱信息和空间信息,在最大限度减小图像信息冗余的基础之上,很好地保持了原始数据集的特性。与其它高光谱图像的降维算法相比,改进的流形学习算法不仅考虑到高光谱图像本身的空间关系,而且利用图像块距离更好地保持了数据点之间的局部特性,从而有效地去除原始数据集光谱维和空间维的冗余信息。实际高光谱数据的实验结果表明,所提出的算法在应用于高光谱图像分类时,与其它方法相比具有更高的分类精度。     

基于谱间结构相似先验的高光谱压缩感知重构

在高光谱压缩感知重构中,充分利用图像的先验信息能有效提升算法的重构精度。现有重构算法均未考虑高光谱图像的谱间结构冗余信息,该文提出一种基于谱间结构相似先验的高光谱压缩感知重构方法。该方法通过谱间结构冗余定义高光谱结构图像,以结构图像为基础,设计一个压缩感知重构正则项,再结合高光谱图像的空间相关性和谱间统计相关性,提出一种新的压缩感知高光谱图像联合重构方案,并设计一种基于变量拆分的有效的求解算法。实验表明,在相同观测值数目下,该文算法的重构质量明显优于现有算法。     

基于光谱梯度角的高光谱影像流形学习降维法

为了挖掘高光谱数据的光谱局部特征,从高光谱遥感数据内在的非线性结构出发,提出了一种基于光谱梯度角的高光谱影像流形学习降维方法。采用局部化流形学习算法局部保持投影（LPP）对高光谱遥感数据进行非线性降维,对距离度量进行改进,将能够更好刻画高光谱影像光谱局部特征的光谱梯度角相似性度量应用于LPP方法,并用真实高光谱图像进行降维实验,取得了优于LPP方法和采用光谱角的LPP方法的结果。结果表明,在光谱规范化特征值方面,所提方法优于LPP方法和采用光谱角的LPP方法;在信息量的保持方面,具有更好的局部细节信息保持量。采用光谱梯度角的流形学习方法用于高光谱影像降维能取得较好的降维效果。     

基于相关向量机的高光谱图像噪声评估算法

为了更准确的估计高光谱图像噪声强度,提出了一种基于相关向量机(RVM)的高光谱图像噪声评估算法。对该算法所采用的RVM 回归原理、残差与噪声的关系等进行了研究。首先,介绍了高光谱图像噪声评估中应用较为广泛的空间/光谱维去相关法的特点及不足。接着,对可有效进行非线性回归分析的RVM 进行了介绍。然后,针对传统的空间/光谱维去相关法在系统中存在较强的非线性关系时,得到的残差将会过大这一问题,提出利用RVM 回归分析去除具有高相关性的信号,利用得到的残差图像对噪声进行估算,从而提高评估系统的稳定性。实验结果表明:噪声强度估计精度优于8%;相比传统算法更有效。总体看,该算法可以满足自动高光谱图像噪声评估的稳定可靠、精度高等要求。     

基于带参考信号独立分量分析的高光谱图像目标探测

提出了一种用于高光谱图像目标探测的预处理方法,目的是提高目标光谱的准确性,进而提高有监督目标探测算法的精度.该方法将实验室或野外获取的目标光谱作为参考信号,利用带参考信号的独立分量分析方法,从图像中提取出与参考信号相关性最大的独立分量作为新的目标光谱.仿真和实际高光谱数据的实验结果表明,所提出的方法能较大提高目标光谱的准确性,从而较大提高目标探测算法的精度.     

高光谱图像压缩技术研究进展

高光谱遥感已经成为遥感领域的前沿科技,在军事侦察以及国民经济中发挥着重要作用。高光谱遥感的光谱通道数达到上百个,光谱分辨率的不断提高使得高光谱图像的数据量急剧膨胀。对于星载成像光谱仪获取的高光谱图像,庞大的数据量已经给数据的存储与传输带来巨大压力,严重制约着高光谱图像的后续应用,因此,必须利用有效的压缩技术对高光谱图像进行压缩。高光谱图像压缩技术可分为无损压缩与有损压缩,在实际应用中,需要根据具体的应用需求选取不同的压缩方式。本文首先对高光谱遥感的基本概念进行了简介,然后从无损压缩与有损压缩两个方面对高光谱图像压缩技术的研究进展进行了综述,最后,指出了高光谱图像压缩技术的发展方向。      

基于独立分量分析的高光谱图像目标检测算法

提出一种基于独立分量分析(ICA)的高光谱图像目标检测算法.首先利用无监督正交子空间投影进行端元提取,并将端元矢量构成矩阵作为快速定点独立分量分析的初始化混合矩阵,解决了独立分量在排序上的随机性;同时采用基于噪声调整的主分量分析(NAPCA)对原始图像数据降维,继而采用初始化后的快速独立分量分析从保留的主分量中依次提取出目标.利用AVIRIS高光谱数据进行实验研究,结果表明提出的算法能够有效地提取图像中的目标信息,其性能优于改进的CEM检测算法.     

基于独立分量分析的高光谱遥感图像混合像元盲分解

传统的独立分量分析并不适用于高光谱遥感图像的混合像元解混,因为图像中各端元的分布不是相互独立的.针对这一问题,提出了一种有约束的独立分量分析方法,来实现遥感图像混合像元的盲分解.通过在独立分量分析的目标函数中引入丰度非负约束与丰度和为一约束,改变了传统的独立性假设.同时,为了更好地适用于遥感数据分析,还提出了一种自适应...     

高光谱图像波段子集模糊积分融合异常检测

针对高光谱图像中背景及目标先验知识未知条件下的异常目标检测问题,该文给出一种基于高相关性波段子集分割的模糊积分低概率目标检测融合算法。依据高光谱图像数据的波段相关性将原始高光谱数据分割为若干连续波段子集;利用非参核密度估计得到原假设下各波段子集数据RX检测器输出的概率密度函数,构造出非参隶属度映射函数;利用数据光谱维的特征值定义目标信号噪声能量比(TNER),衡量各波段子集信源检测结果的重要程度;最后,通过Sugeno模糊积分实现波段子集检测结果的决策级融合。使用可见光/近红外波段OMIS-I高光谱图像进行了实验,实验结果证明了算法的有效性。