基于多光谱成像选取四季豆叶片的特征波段

在400~720nm波段范围,基于液晶可调谐滤波器(LCTF)和CMOS相机组合的多光谱成像系统,以四季豆叶片为研究对象每隔5 nm进行成像。根据图像亮度信息法和波段指数法的相关原理,首先分别计算得到各波段四季豆叶片的波段指数值和可识别度;然后对四季豆叶片的波段指数值和可识别度进行排序,综合图像的灰度离散、亮度信息丰富和波段的相关性小等特点,得出545、630、645、720、650和570 nm波段有较大的波段指数值和较好的识别度;最后根据最小欧氏距离法和光谱角度匹配法分别对四季豆叶片的特征波段的分类精度予以计算,两种方法的分类精度分别为100.00%和83.33%,得出选取的特征波段对四季豆叶片具有较好的分类精度。因此,545、630、645、720、650和570 nm波段可作为四季豆叶片的特征波段。     

基于机器学习的深圳市坝光湿地园树种高光谱分类

高光谱遥感数据为树种的精细识别提供了可能。为探索高光谱数据在树种识别中的能力,本研究基于深圳市坝光古银叶树群落的8种主要树种叶片高光谱数据,比较了6种光谱预处理方式和2种分类方法对树种分类识别精度的影响,并基于随机森林算法对不同树种识别的特征波段进行了识别。研究结果表明,一阶导数预处理方法在分类识别中性能最好,平均分类精度为76.65%;随机森林回归方法较支持向量回归算法的性能好,模型平均分类识别精度为73.07%。从混淆矩阵可以看出,多毛茜草、银柴、阴香易错分为假萍婆,鸭脚木与银柴易错分,银叶树和细叶榕易错分。400 nm、495 nm、615～675 nm、835 nm、915～975 nm、1035～1065 nm、1085～1135 nm、1265～1275 nm、1425～1535 nm、2040 nm、2100～2270 nm、2430 nm附近的光谱数据与8个树种分类识别有密切关系。     

用于高光谱图像分类的归一化光谱指数的构建与应用

成像高光谱的近地田间应用为农业定量遥感的发展提供了新的契机。如何发挥其图谱合一的数据优势,尤其在解析土壤、阴影等背景地物对作物养分反演模型的影响需要关注。该研究借助可见/近红外成像高光仪,在近地田间采集小麦群体的成像立方体,根据影像中光照裸土、阴影裸土、光照叶片和阴影叶片的反射光谱特征建立了归一化光谱分类指数,并应用该指数提取大豆影像中不同类型地物的光谱,分析了背景土壤剔除前后的大豆植被归一化光谱与叶绿素密度的决定系数变化情况。结果表明:土壤和阴影叶片光谱去除后,反演叶绿素密度的敏感波段由红-近红外区间（727 nm,922 nm）向蓝、绿,尤其是红波段（710 nm,711 nm）移动。对叶绿素密度敏感的波段区间表现为可见光增加,近红外减少,且红边波段决定系数最高。由此说明,基于归一化光谱指数的植被光谱提纯对定量遥感反演研究具有重要意义。     

广东省主要人工林树种光谱分类

为了探索不同树种叶片光谱区分的最佳特征波段以及不同树种光谱分类的 性能,利用地物光谱仪对广东省10个主要人工林树种的叶片光谱数进行了采集。采用遗 传算法(Genetic Algorithm, GA)和连续投影变换算法(Successive Projections Algorithm, SPA) 进行了高光谱数据降维处理,然后结合支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF) 两种方法进行了树种分类。研究发现,通过两种变量选择方式筛选的用于树种分类的光谱范围 主要位于近红外波段。其中,经GA算法筛选的变量建模和预测精度与基于全波段光谱数据的分类精 度较为接近,且比经SPA算法变量筛选的分类结果好。通过比较可知,RF算法所建模型的性能比SVM算 法更稳定,且GA-RF算法在几种分类处理中的性能最好。结果表明,GA-RF算法 可用于基于光谱数据的树种分类研究。     

高光谱与机载LiDAR结合的树种分类研究

高光谱遥感图像虽然具有较高的光谱分辨率,但只能提供二维光谱信息,而激光雷达(Light Detection and Ranging,LiDAR)可以提供可靠的三维数据和森林的冠层特征,二者结合能够优势互补,协同提高地物分类能力。基于此,本文提出了一种利用高光谱和机载激光雷达数据进行树种识别的方法,探讨了二者协同对树种精细分类的影响,最后通过公开数据的实验来验证方法的有效性。结果表明,高光谱和激光雷达数据结合后,树种分类精度得到了显著提高。通过本文提出的方法,即使使用少量特征也能大大提高分类精度。整体分类准确率最高达到9321,比单个高光谱数据的分类准确率提高931。     

适用汽车智能驾驶的多光谱激光雷达波长选择可行性研究

在汽车智能驾驶系统中,激光雷达由于其独特的三维成像能力,成为场景探测感知传感器群组中不可或缺的组成部分。为提升单一波长激光雷达在物性探测分类和状态上的性能,借鉴多光谱探测具有物性探测能力的原理,论文对适用于汽车智能驾驶的多光谱激光雷达的波段选择进行了可行性研究,利用主成分分析法对智能驾驶中典型目标进行光谱计算及分析,结合激光光源特性以及光电探测器的特性,综合多光谱激光雷达波段选择方法和智能驾驶应用场景中典型目标地物光谱特性,以及商用激光雷达的可获得性,得出了适用汽车智能驾驶的多光谱激光雷达的波长可以选择808 nm、905 nm、1 064 nm、1 310 nm,并通过测试验证了多光谱激光雷达所选波长的有效性。     

基于高光谱的苹果树冠层磷素状况估测模型研究

利用高光谱技术估测了苹果树冠层的磷素含量。先用ASD Field Spec3型地物光谱仪测定了春梢停止生长期苹果树冠层的高光谱反射率,并对光谱数据进行了多种变换处理。然后对其与磷素含量进行了相关分析,找出了与磷素相关性较显著的光谱参量,并通过逐步回归分析建立了磷素估测模型。结果表明,近红外波段是苹果树冠层磷素的敏感波段;808 nm、921 nm、1195 nm、1272 nm及其组合的归一化红外光谱指数与苹果树冠层磷素高度相关。在构建的估测模型中,以808 nm、921 nm、1195nm、1272 nm及其组合的归一化红外光谱指数为自变量构建的高光谱估测模型的估测效果最佳。该研究实现了苹果树冠层磷素含量的快速估测,同时也为苹果的实时营养诊断提供了理论依据。     

基于傅里叶变换红外光谱和siPLS-GA-PLS的水稻叶片氮素含量预测研究

傅里叶变换中红外光谱谱区宽,搜索空间大,需要采用高效率和高质量的算法进行波长选择.敏感波段及其组合的选择是简化分析模型和提高模型预测精度的关键技术之一.本研究以水稻孕穗期叶片干样的中红外光谱透射率和叶片氮素含量为数据源,通过协同偏最小二乘算法(siPLS)从宽谱区中初选出波段范围1583.3~992.2cm-1,再采用迭代遗传算法(GA)从中选出了84个水稻叶片氮素含量预测的敏感波段.研究结果显示以此敏感波段建立的偏最小二乘回归模型的预测均方根误差(RMSEP)和水稻叶片总氮含量的测量值与预测值之间的相关系数分别为0.1186和0.9120,该预测结果明显优于协同偏最小二乘法(siPLS)和光谱指数NFSA的预测结果,说明傅里叶变换红外光谱技术结合siPLS-GA-PLS算法能够实现水稻叶片氮素含量的预测.     

基于连续小波分析的植物理化参数反演中光谱分辨率影响分析

基于一套由PROSPECT模型模拟的包含叶绿素含量(Cab)、类胡萝卜素含量(Car)和叶片水含量(LWC)等重要植物生理生化参数及其光谱的数据,通过对光谱进行系列梯度的重采样和CWA分析,详细研究了光谱分辨率对植物生理生化参数反演的影响.结果表明:(1)采用CWA能够成功提取对Cab,Car和LWC等参数敏感的特征并建立具有较高精度的反演模型;(2)随着光谱分辨率的降低,敏感小波特征的数量、相关性以及反演精度总体均呈下降趋势,但下降的幅度、拐点均不相同,体现出分辨率对不同参数影响的差异性;(3)采用CWA反演建模时,不同植物生理生化参数对光谱分辨率敏感性差异较大,LWC敏感性较低,Cab次之,Car敏感性较高.根据这一结果,采用CWA反演Car,Cab和LWC时光谱数据在分辨率不低于8nm,32nm和64nm时能够得到较理想的结果.上述研究能够为实际中进行植被生理生化参数监测时的传感器选择提供依据.     

利用成像高光谱区分冬小麦白粉病与条锈病

病害胁迫是造成小麦减产及危及世界粮食安全的主要因素之一。如何准确区分相似病害并科学诊断病害严重度,成为国内外研究热点。文中针对中国冬小麦种植区常见的两种真菌疾病白粉病和条锈病,采用高光谱成像系统获取两种病害侵染的小麦叶片图谱合一数据,通过主成分分析法对影像数据进行降维、密度分割法对病害面积进行分割后,得到识别病斑准确率达到97%;进一步分析侵染白粉病和条锈病的叶片病斑区域的光谱特征差异,选择第二主成分图像筛选两种病害的敏感波段,得到识别白粉病的敏感波段为519、643、696、764、795、813 nm,条锈病的敏感波段为494、630、637、698、755、805 nm。最后对筛选出的敏感波段建立白粉病和条锈病支持向量机（SVM）判别模型并验证,得到两种病害的区分精度为92%。综上,利用高光谱图像协同解析可在叶片尺度实现小麦白粉病和条锈病的有效判别,这为开发病害区分仪器提供了重要的理论基础。     

一种适用于古建筑建模的全波形高光谱激光雷达设计与实现

为了获取古建筑完整的空间结构、历史演进及其健康状态等特征信息,研制了一种全波形的高光谱激光雷达系统(HSL)。该系统同时获得目标的空间三维信息和光谱信息,用于古建筑空间和状态特征的建模。利用超连续谱激光器和声光可调滤波器(AOTF)作为发射单元,实现550~1050 nm的连续光谱波长范围内101个光谱通道采样,并利用5 GHz/s高速采集卡完成主波和回波全波形数据采集。设计了静态单点测试和zigzag单点扫描相结合的双模式分步扫描方案,保证三维空间和光谱信息的准确获取。在实验室环境下,对HSL系统反射率稳定性、信噪比以及扫描精度进行了分析测试。利用三维空间和超连续的高光谱信息对古建筑构件样本建模进行验证,并采用随机森林(RF)多分类方法实现不同古建筑构件木种材料的分类。结果表明,HSL系统能够同时获得空间三维信息和连续光谱信息,满足古建筑空间和状态特征建模的信息采集的需求。     

基于波段指数的高光谱影像波段选择算法

为了去除高光谱影像的数据冗余,提高高光谱影像处理的精度和效率,提出了一种基于波段指数的高光谱影像波段选择算法。采用小波变换对高光谱图像数据进行去噪处理,依据联合偏度-峰度指数将波段进行分组,再根据波段指数的大小确定相对较小指数的波段,并将其作为冗余波段进行去除,从而得到最小波段集。结果表明,利用该波段集和全波段所选的端元是一致的,在不影响端元提取的前提下,最大程度地去除了冗余波段,而且该波段集与全波段的分类精度较接近。该算法在波段选择过程中具有可行性与有效性,为降低高光谱影像维数提供了一种帮助。     

Hyperspectral Fluorescence Imaging for Mouse Skin Tumor Detection

This paper presents a hyperspectral imaging technique based on laser‐induced fluorescence for non‐invasive detection of tumorous tissue on mouse skin. Hyperspectral imaging sensors collect image data in a number of narrow, adjacent spectral bands. Such high‐resolution measurement of spectral information reveals contiguous emission spectra at each image pixel useful for the characterization of constituent materials. The hyperspectral image data used in this study are fluorescence images of mouse skin consisting of 21 spectral bands in the visible spectrum of the wavelengths ranging from 440 nm to 640 nm. Fluorescence signal is measured with the use of laser excitation at 337 nm. An acousto‐optic tunable filter (AOTF) is used to capture images at 10 nm intervals. All spectral band images are spatially registered with the reference band image at 490 nm to obtain exact pixel correspondences by compensating the spatial offsets caused by the refraction differences in AOTF at different wavelengths during the image capture procedure. The unique fluorescence spectral signatures demonstrate a good separation to differentiate malignant tumors from normal tissues for rapid detection of skin cancers without biopsy.     

基于高光谱激光雷达信号强度免校准的煤岩分类

安全性对于深井开采至关重要。基于激光雷达的扫描探测技术可以有效监测巷道和深部煤矿现场的围岩安全状况。新兴的高光谱激光雷达不仅可以提供空间几何信息还可以提供丰富的光谱数据，在深井煤矿安全检测和精细结构分析方面具有良好的应用前景，而精确的煤岩分类是监测分析的基础。在实际应用中，雷达强度信号易受仪器属性和环境因素的影响，需校准才能使用。由于深井煤矿粉尘污染严重，常规校准方法难以达到理想效果。针对这个问题，提出一种信号强度免校准的方法，从激光雷达回波信号中提取新特征实现煤岩精确分类。首先，使用高光谱激光雷达获得煤/岩石样本的回波强度信息，并计算出波形熵（WE）和联合偏斜度-峰度系数（JSKF）作为新分类特征参数。其次，采用随机森林(RF)与支持向量机(SVM)分类器实现煤/岩石分类。最后，笔者进行了光谱分段测试，对特征分类性能进行优化。结果表明，所提的免校准方法，提高高光谱激光雷达直接应用能力的同时能够保持良好的分类性能。     

Representative band selection for hyperspectral image classification

High dimensional curse for hyperspectral images is one major challenge in image classification. In this work, we introduce a novel spectral band selection method by representative band mining. In the proposed method, the distance between two spectral bands is measured by using disjoint information. For band selection, all spectral bands are first grouped into clusters, and representative bands are selected from these clusters. Different from existing clustering-based band selection methods which select bands from each cluster individually, the proposed method aims to select representative bands simultaneously by exploring the relationship among all band clusters. The optimal representative band selection is based on the criteria of minimizing the distance inside each cluster and maximizing the distance among different representative bands. These selected bands can be further applied in hyperspectral image classification. Experiments are conducted on the 92AV3C Indian Pine data set. Experimental results show that the disjoint information-based spectral band distance measure is effective and the proposed representative band selection approach outperforms state-of-the-art methods for high dimensional image classification.     

基于信息论准则的高光谱波段选择方法

与传统多光谱遥感图像相比,高光谱图像是在一定波段范围内窄波段成像的,提供了丰富的光谱信息,拓展了遥感技术的应用范围,但同时存在数据含量大、波段间相关性高等问题,在进行处理时需要对高光谱图像进行降维。通过分析现有高光谱波段选择方法 ,本文提出了一种基于信息论准则的高光谱波段选择方法 ,结合波段信息熵与波段间的相关性,采用粒子群优化算法(PSO)进行波段优选,克服了采用单一使用信息量为适应度的片面性。最后使用AVIRIS图像对提出的算法进行试验,并利用支持向量机分类方法进行分类验证,总体分类精度达到91.0%。     

非线性变换和信息相邻相关的高光谱自适应波段选择

通过非线性函数变换改进后的谱间Pearson相关分析可同时获取高光谱影像光谱间的综合相关系数（rcl）、相关类型和统计显著性水平;研究发现,非线性是高光谱影像的谱间相关性的主要类型。基于相关系数的波段相邻相关系数（rac）在自适应波段选择算法（ABS）中是为了表达波段的独立性,然而发现ABS算法中rac并不能有效表达波段独立性。鉴于此,提出了一种信息相邻相关系数（riac）和基于此指数改进的自适应波段选择算法（MABS）。使用公共数据和实验室采集数据,对ABS、基于线性相关系数（rl）的MABS（rl）和基于rcl的MABS（rcl）等三种算法进行实验。结果表明:在波谱范围和算法有效性及精度方面,MABS均优于ABS;MABS较好地兼顾了大信息量和强独立性原则,其波段选择结果的光谱范围明显大于ABS;MABS（rcl）的光谱范围略大于MABS（rl）;三种算法的总体分类精度（OA）和Kappa系数的大小顺序均为:MABS（rcl） MABS（rl） ABS。