高光谱图像光谱域噪声去除的经验模态分解方法

针对高光谱图像存在的光谱域噪声提出了基于经验模态分解的光谱域滤波方法(empirical mode decomposition based filter(EMDF)).首先基于光谱曲线二阶导数给出了光谱曲线噪声大小的判定,然后用EMDF方法进行逐像元滤波.在容易引入空间域噪声的光谱区间,以基于光谱导数的Savitzky-Golay 滤波方法(derivative based savitzky-Golay filter(DSGF))进行替代,这样既抑制了空间域噪声的产生,也取得了较好的光谱域滤波效果.     

基于特征融合方法的高光谱图像分类综述

高光谱图像中包含丰富的光谱特征和空间特征,这对地表物质的分类至关重要.然而高光谱图像的空间分辨率相对较低,使得图像中存在大量的混合像素,这严重制约物质分类的精度.受到观测噪声、目标区域大小及端元易变性等因素的影响,使得高光谱图像的分类仍然面临诸多挑战.随着人工智能和信息处理技术的不断进步,高光谱图像分类已成为遥感领域的...     

基于群稀疏空间光谱总变分的高光谱混合噪声图像恢复北大核心CSCD

高光谱图像(HSI)在采集的过程中,由于受到环境和传感器的影响,图像会被大量混合噪声污染,会影响遥感图像后续应用的性能,因此从混合噪声中恢复干净的HSI成为了重要的预处理过程。而一些现有的张量模型,在去除含有条带和死线的混合噪声时,并不能取得很好的效果。为此,提出了一种基于群稀疏空间光谱总变分的高光谱混合噪声图像恢复算法(FRTCSSTV);为了避免过度平滑,该算法利用群稀疏空间光谱全变分正则化来增强空间谱维的稀疏性,同时为了保持HSI原有的结构,采用直接对张量纤维秩进行约束的方法来表示HSI的全局低秩。在模拟和真实的高光谱图像实验中,与其他模型相比,FRTCSSTV方法在去除含有条带和死线噪声的混合噪声时具有更好的性能。     

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。     

基于空-谱结合的稀疏高光谱异常目标检测

针对稀疏表示理论用于高光谱图像异常目标检测存 在检测精度不高的问题,在对高光谱图像的空间特性和光谱特性充分分析基 础上,提出了基于空-谱结合的 稀疏高光谱异常目标检测算法。首先利用多尺度高斯滤波对原始高光谱图像进行滤波 处理,通过滤波减少高光谱图像 含有的噪声对异常目标的影响;对滤波之后的高光谱图像进行波段子集划分,划分依据是邻 波段间的相关系数;然后利用高 光谱图像稀疏差异指数对每个子空间进行异常目标检测;最后对检测结果进行叠加,得到最 终异常目标检测结果。采用真实 的AVIRIS高光谱图像对算法进行仿真验证的结果表明,本文算法检测精度高,虚警率低, 提高了稀疏表示理论用于高光谱异常目标的检测性能。     

PHI高光谱图像的大气校正算法

从高光谱遥感图像中提取较为精确的定量信息,大气校正是必不可少的步骤.本文在应用大气辐射传输模型对高光谱遥感数据进行大气模拟的基础上,研究并发展基于遥感影像信息的经济、有效的大气辐射校正和反射率反演算法.该算法可以根据遥感图像有效地估计大气中气溶胶的空间分布,并分析交叉辐射的影响,进而对其进行大气辐射校正和反射率反演.通过对几景PH I高光谱遥感图像的校正试验,表明了这种算法的有效性.     

基于光谱空间信息的高光谱遥感图像混合噪声评估

综合利用高光谱图像的光谱信息和空间信息,提出了一种新的混合噪声评估方法.首先通过滤波算法进行图像中均匀图像块的自动选取;然后利用多元线性回归模型,将均匀图像块内像素点的信号值和噪声值进行分离,并实现了图像中加性、乘性噪声的粗评估;最后根据噪声模型构建似然函数,利用最大似然估计法求解噪声模型参数.通过仿真图像和真实高光谱图像进行实验,验证了该方法的准确性和鲁棒性.     

基于主成分分析和字典学习的高光谱遥感图像去噪方法

高光谱图像变换域各波段图像噪声强度不同,并具有独特的结构。针对这些特点,该文提出一种基于主成分分析(Principal Component Analysis, PCA)和字典学习的高光谱遥感图像去噪新方法。首先,对高光谱数据进行PCA变换得到一组主成分图像;然后,对信息量较小的主成分图像分别采用基于自适应字典的稀疏表示方法和对偶树复小波变换方法去除空间维和光谱维的噪声;最后,通过PCA逆变换得出去噪后的数据。结合主成分分析和字典学习的优势,该文方法相对于传统方法对高光谱图像具有更好的自适应性,在细节得到保留的同时有效地抑制了斑块效应。对模拟和实际高光谱遥感图像的实验结果验证了该文方法的有效性。     

基于混合噪声估计的高光谱图像异常检测方法

随着光谱分辨率越来越高,高光谱图像更容易受到噪声的干扰,直接用传统的检测算子会产生较高的虚警。针对RX算法存在较大噪声干扰的问题,提出了一种基于混合噪声评估的RX异常检测方法。首先对高光谱图像进行分块,利用滤波的思想选取均匀图像块;考虑图像光谱-空间信息,运用多元线性回归分析对均匀图像块进行混合噪声评估;然后将高光谱图像和混合噪声进行作差,消除噪声的干扰;最后运用RX算子进行异常检测。实验结果表明,该方法达到了消除噪声的效果,与RX和MNF-RX算法相比具有更好的目标检测性能。     

基于主成分分析与局部二值模式的高光谱图像分类北大核心CSCD

提出了两种基于主成分分析与局部二值模式的高光谱图像分类算法。利用主成分分析去除高光谱图像的谱间冗余信息,对降维后的图像利用局部二值模式进行空间纹理特征分析,采用稀疏表示分类和支持向量机分别对提取的特征进行分类。其通过将主成分分析与局部二值模式相结合对高光谱图像进行特征提取,保证了高光谱图像的谱间冗余的有效去除,同时保护了高光谱图像的空间局部邻域信息,因此,此类算法不但能充分挖掘高光谱图像的谱间-空间特征,在较大程度上提高分类精度和Kappa系数,而且在高斯噪声环境中和小样本情况下也具有良好的分类性能。     

CFFT最优信噪比的星载高光谱影像噪声抑制方法

高光谱遥感影像独特的"图谱"特征为定量遥感等遥感监测提供了重要的技术支撑,但由于大气、地形材料等因素影响和限制,易受到各种噪声污染。基于光谱学领域的光谱统处理理论,结合信息时域分析领域的快速傅里叶变换,实现频域内噪声与光谱有效信息的分离,同时在最优信噪比约束条件下选择最优滤波阈值,设计噪声滤波器,实现了卫星高光谱遥感影像的噪声滤除。以中国北京城区和中国新疆谢米斯台上戈壁区的两景Hyperion高光谱遥感影像为例,进行了该滤波算法的定性和定量评价。结果表明:文中提出的高光谱遥感影像噪声滤波算法,有效地滤除了高光谱影像数据光谱维高斯白噪声和空间维的条带噪声、波段差噪声,提高了影像的清晰度,影像的信噪比提高5 dB以上,为后续定量分析等遥感监测研究提供了较高质量的数据保障。     

Spatial/spectral endmember extraction by multidimensional morphological operations

Spectral mixture analysis provides an efficient mechanism for the interpretation and classification of remotely sensed multidimensional imagery. It aims to identify a set of reference signatures (also known as endmembers) that can be used to model the reflectance spectrum at each pixel of the original image. Thus, the modeling is carried out as a linear combination of a finite number of ground components. Although spectral mixture models have proved to be appropriate for the purpose of large hyperspectral dataset subpixel analysis, few methods are available in the literature for the extraction of appropriate endmembers in spectral unmixing. Most approaches have been designed from a spectroscopic viewpoint and, thus, tend to neglect the existing spatial correlation between pixels. This paper presents a new automated method that performs unsupervised pixel purity determination and endmember extraction from multidimensional datasets; this is achieved by using both spatial and spectral information in a combined manner. The method is based on mathematical morphology, a classic image processing technique that can be applied to the spectral domain while being able to keep its spatial characteristics. The proposed methodology is evaluated through a specifically designed framework that uses both simulated and real hyperspectral data.     

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.     

联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息,导致检测精度低的问题,提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号,并与图像自身的稀疏性相结合,对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进,该算法以待测像元为中心构建一定大小的空间窗,计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值,通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵;最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵,将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度,设置阈值,得到检测结果。为验证所提算法的检测性能,采用了真实的高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法能够得到更高的检测精度。     

基于自适应滤波的单像素宽形态学边缘检测

为了进一步提高边缘检测算法的抗噪性和定位精度,提出了一种基于自适应滤波的单像素宽形态学边缘检测算法。首先,分别对图像进行中值滤波和加权均值滤波,并通过自适应调整中值滤波结果和加权均值滤波结果所占的权重抑制脉冲噪声和高斯噪声。然后根据不同取向的结构元素可以有效地检测出不同走向的边缘细节这一特性,定义了一种具有方向估计的形态学梯度,并利用其检测图像的边缘,最后沿梯度方向进行非极大值抑制以获取单像素宽边缘。实验结果表明,本文算法不仅能够准确地检测图像边缘,而且具有较好的抗噪性能,处理速度也较快。      

滤光片分光型高光谱相机发展现状及趋势（特邀）

高光谱相机可将成像技术与光谱探测技术相结合,在对目标空间特征成像的同时,可以对每个空间像元形成多个窄波段实现连续的光谱覆盖,不同光谱信息能充分反映地物内部的物理结构、化学成分的差异。与传统的空间二维成像相比,高光谱相机可以同时获取目标的空间和光谱信息,在一定的空间分辨率下,能够获取宽谱段范围内地物独有的连续特征光谱,对地物的精准识别和探测具有显著优势,目前已成为对地遥感重要的前沿技术手段,在农、林、水、土、矿等资源调查与环境监测等领域具有重要的应用价值。随着滤光片镀膜技术的飞速发展,极大地促进了滤光片分光型高光谱相机的研制,目前基于滤光片分光原理的高光谱相机以大幅宽、高空间分辨率、高光谱分辨率和轻小型的优势成为高光谱遥感载荷的重要组成部分,在微纳卫星高光谱星座组网中获得广泛应用。主要对滤光片分光型的高光谱相机进行了综述,介绍了国内外典型滤光片分光型星载高光谱成像载荷,以及地面在研的滤光片分光型高光谱成像系统,并分析了这些系统的技术方案、性能指标及应用前景,阐述了基于滤光片分光原理的高光谱相机的技术特点和优缺点,最后展望了滤光片分光型高光谱相机的发展趋势。     

基于等距映射和空间信息的光谱解混算法

由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合。传统的光谱解混算法是以线性光谱混合模型为基础,因此解混精度不高。本文在光谱非线性混合模型的基础上,提出一种将等距映射与空间信息结合的非线性光谱解混算法。该算法通过等距映射算法将原始高光谱数据非线性降维到低维空间,并结合空间信息实现端元提取。得到的端元采用全约束的最小二乘法计算相应丰度。真实高光谱遥感数据实验结果表明,采用该算法得到的结果优于N-FINDR算法和基于测地线距离的最大单形体体积(GSVM)算法。     

热红外高光谱成像仪光谱匹配盲元检测算法

受红外焦平面阵列生产工艺及材料本身特性影响,红外焦平面阵列不可避免地存在盲元,严重困扰红外数据的处理与应用。光栅分光推扫式热红外高光谱成像仪一般以红外焦平面阵列的其中的一维作为光谱维进行推扫式成像,空间维只剩一维,与一般的热像仪具有二维空间维的成像机制有很大区别。常规的实验室定标法和开窗处理的场景检测方法不能满足该成像方式的盲元检测需求。以热红外高光谱成像仪中的盲元检测为目标,有针对性地提出了基于光谱匹配的盲元检测算法。该方法从光谱维角度出发,以不同温度实验室黑体定标数据生成温升光谱数据,在数据规则化处理的基础上,自动提取有效像元目标的伪光谱曲线,采用光谱角匹配的方式实现盲元的自动检测。以典型的热红外高光谱成像仪获取数据并开展盲元检测实验,结果表明该方法充分利用了热红外高光谱成像仪的光谱维信息,检测精度较高,盲元补偿后的数据可满足热红外高光谱数据的行业应用。