成象光谱图象光谱吸收鉴别模型与矿物填图研究

本文提出了一种光谱吸收鉴别模型，拟通矿物光谱吸收特征的鉴别，在成象光谱上实现矿物直接识别与填图。该模型的核心是光谱吸收指数技术（ＳＡＩ）。     

由粗到细的高光谱图像多端元光谱混合分析

光谱可变性是影响高光谱图像光谱混合分析精度的重要因素，多端元光谱混合分析是解决该问题的有效手段。为了降低光谱混合分析时间复杂度的同时提高其精度，提出了一种由粗到细的多端元光谱混合分析算法，该算法首先基于扩展的端元集对每个像元进行全约束光谱混合粗分析，确定含所有地物的初始端元集，在此基础上进一步进行精细光谱混合分析，迭代光谱混合分析构建端元子集，最终根据重构误差变化量确定各个像元的最优端元集。实验结果表明:相比迭代光谱混合分析法和分层多端元光谱混合分析法，所提出的由粗到细的高光谱图像多端元光谱混合分析能有效降低算法反演丰度误差并改善计算效率。     

由粗到细的高光谱图像多端元光谱混合分析

光谱可变性是影响高光谱图像光谱混合分析精度的重要因素,多端元光谱混合分析是解决该问题的有效手段。为了降低光谱混合分析时间复杂度的同时提高其精度,提出了一种由粗到细的多端元光谱混合分析算法,该算法首先基于扩展的端元集对每个像元进行全约束光谱混合粗分析,确定含所有地物的初始端元集,在此基础上进一步进行精细光谱混合分析,迭代光谱混合分析构建端元子集,最终根据重构误差变化量确定各个像元的最优端元集。实验结果表明:相比迭代光谱混合分析法和分层多端元光谱混合分析法,所提出的由粗到细的高光谱图像多端元光谱混合分析能有效降低算法反演丰度误差并改善计算效率。     

基于光谱的天然气组分定量分析方法研究

对构成组分多、相对浓度差大、化学键相似的混合光谱进行定量分析时,存在各组分光谱谱峰交错重叠严重、高浓度占比组分光谱大量掩盖低浓度占比组分光谱等现象,导致单一组分光谱难以从混合光谱中有效分离解析。针对以上问题,该文以天然气红外光谱作为实验对象,提出一种光谱叠加性原理结合GA-SA算法的定量分析方法对天然气光谱进行解析。算法在全局搜索的基础上结合局部邻域寻优,并通过参数及流程优化,可以有效克服混合光谱求解过程中微量组分光谱寻优性差、易陷入局部极值、不具有重复性等缺点。通过对比实验证明该方法相较于其他光谱分析方法,用于天然气光谱定量分析具备更好的稳定性与重复性,预测光谱与真实光谱相关系数R2大于0.98823。     

应用分形几何学与小波理论对成像光谱数据进行地物识别的模型研究

以地物的混合光谱曲线为主要的研究目标，利用小波变换对混合的光谱曲线进行分解，将混合地物甚至地物内部组成成分的光谱特性曲线分解出来；根据已知的标准光谱特征曲线的自相似性指标，利用分形几何学方法将分解出来的不同光谱特性的曲线进行自相似性指标测量，以实现地物或者地物内部组成成分的识别。将分形几何学和小波变换理论有机地结合起来，为利用成像光谱数据进行地物识别，尤其是解决混合光谱的地物识别提供了一个值得进一步研究的方法。     

典型地物的光谱空间结构特征研究

地物光谱是遥感技术应用与研究的物理基础。本文提出将地物在光谱特征空间的几何点阵结构特征作为研究重点,着重分析植被、土壤、岩石的野外实测光谱数据的光谱空间结构特征,并对所测得地物的光谱数据进行光谱线性混合模拟,进而分析线性混合地物的光谱空间结构特征。对实测地物光谱数据空间结构特征的分析不仅可以指导遥感影像数据的分析与应用,而且也为遥感影像地物目标识别和矿化蚀变信息提取技术的研究提供更多的科学理论依据和新的研究思路。     

红外探测器光谱响应测试数据处理

为红外探测器光谱响应测试数据处理编制了数据库，描述了该数据处理库的编制过程与系统结构，详细了各部分的作用与功能，其最大特点最编制的数据库与进口的红外探测器光谱响应自动测试系统进行了较好的衔接，解决了红外探测器光谱响应自动测试系统数据处理功能中存在的若干问题。     

成像光谱遥感定标模型的分析与评价

通过对目前国际上流行的几种光谱定标模型的分析研究，发现：基于图像结构特征的定标模型具有丢失光谱特征的缺点；基于ＲＴ定标模型对水汽过分敏感；基于ＥＬ的定标模型对地形要求严格；而基于光谱混合理论的定标模型其内部算法仍需改进，等等。由此，在实际工作中，根据实际工作条件和应用要求进行定标模型的取舍是十分重要的     

基于连串反应在线光谱监测数据的动力学曲线拟合及速率常数的估计

基于连串反应在线光谱监测的二阶数据阵，本文提出了一个能准确估计两步连串反应速率常数和解析各组分光谱及浓度变化曲线的方法。以本文方法对一个仿真的三组分连串反应光谱随时间变化的响应阵进行了解析。准确估计了这一连串反应的两步反应的速率常数，并得到了与原纯光谱和浓度曲线完全吻合的解析结果。证明本文方法对满足速率方程的反应体系，求解速率常数和各组分的纯光谱及真实浓度的变化是一种十分有效的方法。     

非监督正交子空间投影的高光谱混合像元自动分解

利用混合像元线性分解技术处理高光谱影像，以获取研究区域中同一像元的不同组份是遥感应用的主要目的之一。近年来，研究者们发展了一种正交子空间投影技术(0SP)，用来探测感兴趣目标，进一步可以用来分解混合像元，然而应用这种方法分解混合像元的缺陷是需要有研究区域的先验信息，这就制约了它在这方面的应用。为此针对这种不足，提出一种非监督的正交子空间投影(UOSP)技术，用来自动获取影像端元光谱，同时进行混合像元分解。并用成像光谱数据(PHI)实例测试了这个方法，结果表明该方法自动获取的端元比较合理，且分解混合像元精度较高。     

基于改进SAM的高光谱影像混合像元分解算法研究

将传统遥感图像分类方法中的光谱角度制图法(Spectral Angle Mapping-SAM)加以变换,改进为一种符合全约束条件下的高光谱遥感图像的混合像元分解模型.新算法在端元丰度比例满足全约束的条件下,通过逼近的方法寻找一种端元丰度的比例组合,使测试光谱与目标光谱的广义夹角最小,从而认为该比例组合就是混合像元分解...     

高光谱技术提取不同作物叶片类胡萝卜素信息

以棉花、玉米、大豆、甘薯四种作物为材料，各采集叶片30张(处于不同部位、不同功能期)，分别测定其反射光谱和叶绿素、类胡萝卜素含量。目的在于探讨利用高光谱技术提取类胡萝卜素信息的可行性方法。结果表明，由于叶绿素与类胡萝卜素间存在显的相关性，在叶片水平，利用高光谱反射率估测叶片类胡萝卜素绝对量是可行的。与类胡萝卜素／叶绿素比值或类胡萝卜素含量相比，类胡萝卜素密度(单位叶片面积类胡萝卜素总量，Cardens)与光谱反射率间的相关性更为稳定。类胡萝卜素光谱吸收峰(470nm)附近的反射光谱与Cardens间的相关性较差，基于类胡萝卜素吸收峰附近反射光谱的光谱指数(如PSSRc、PSNDc)与Cardens间也表现出较弱的相关性。叶绿素光谱指数(如SR705、ND705)与Cardens间存在良好的相关性，红边光谱区的微分光谱、包络线归一化吸收深度等高光谱指数与Cardens间也表现出了良好的相关性。     

利用归一化光谱混合分析方法研究城市组成

随着城市的快速发展,明确城市生物物理组成和动态变化成为一个重要的研究课题。遥感技术在监测城市组成和时空变化中起到了非常重要的作用。光谱混合分析(SMA)方法为城市环境的描述、城市发展模拟和环境影响分析提供了基础。本文以南京城市为例,结合ETM 遥感影像,利用归一化光谱混合分析方法来监测城市地表类型组成。具体就是通过对反射率进行归一化处理来消除纯净地表覆盖类型的光谱变异,从而提高组分端元的选取精度。然后选取了植被、不透地表和阴影三种组分,对归一化反射率图像使用限制的线性光谱混合分析来研究城市组成。最后对归一化前后的光谱混合分析结果进行了比较,证实了本方法可有效提高光谱混合分析的精度。     

光谱发射率测量技术的适用性

本文主要讨论光谱发射率测量技术的适用性,以得出与辐射测温有关的发射率数据。文中还提出了一种混合测量技术,并结合实例予以说明,从而指出了这种技术的优越性。     

基于光谱表示和独立成分分析的混合颜料分离方法

提出一种基于光谱表示和独立成分分析的混合颜料分离方法。首先,采用光谱仪获取混合颜料光谱信息,并将其表示为离散信号的形式;然后,对信号进行独立成分分析,得到基本颜料光谱曲线,从而确定基本颜料种类。采用蒙赛尔色卡光谱制作模拟数据,进行三种色卡光谱混合信息的分离实验以及从八种色卡光谱中选择若干种混合后的分离实验,分离出的基本颜料光谱形态与已知的原始颜料光谱形态极其相似,平均相似比为97.64%,最大相似比可以达到99.95%。实验结果表明,该方法能够准确确定基本颜料种类,具有可追溯性,适用于混合颜料分离。     

高光谱影像光谱响应曲线分维计算

高光谱影像光谱响应曲线包含丰富的光谱特征,分形维值可以表征复杂光谱响应曲线特征,提出了步长测量法光谱响应曲线分形维值计算算法及高光谱分形特征影像的生成流程,对OMIS影像上不同类型地物样本的光谱曲线分维特征计算结果表明,分维是一种有效表达像元光谱信息的特征值。讨论了光谱响应曲线分维值对于高光谱数据处理的意义。     

基于光谱归一化的变组分光谱混合分析(NMESMA)方法及其应用

混合像元问题在低、中分辨率遥感图像中尤为突出,混合像元的存在不仅会影响地物识别和图像分类精度,也是遥感科学向定量化发展的主要障碍之一。因此,遥感图像混合像元分解及其地表覆盖信息的定量提取是近年来研究的热点。针对城市土地覆盖信息的定量提取问题,利用中等分辨率遥感图像(Landsat TM),集成光谱归一化与变组分光谱混合分析(NMESMA)的方法,基于植被-非渗透表面-土壤(V\|I\|S)模型,定量提取研究区植被、土壤和非渗透表面3类土地覆盖的定量信息,并与固定组分的光谱混合分析(LSMA)分解结果进行对比分析。结果表明:基于光谱归一化的变组分光谱混合分析(NMESMA)方法获得的精度高于传统固定组分的光谱混合分析(LSMA)结果,可有效解决光谱异质性较高的城市区域的混合像元问题,为有效提取城市地表覆盖信息,研究城市生态环境变化和模拟分析,提供了有效的信息提取方法。     

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。     

改进ICA算法及其在作物光谱分类中的应用

针对传统的固定点算法对分离矩阵初始值敏感的问题,提出一种改进的独立分量分析(ICA)算法,通过在传统的算法核心迭代过程中加入搜索因子,降低算法对矩阵初始值的依赖,提高处理效率。将ICA算法应用于作物精细光谱的分类,分别利用传统固定点算法和改进的固定点算法对混合光谱进行信息提取与分离。实验证明,改进的ICA算法在与传统算法作物光谱分类效果相当的情况下,迭代次数减少26%,提高了独立分量的分离效率,是一种有效的作物光谱分类方法。     

高光谱图像变化检测技术研究进展

相对于自然图像和多光谱图像,高光谱图像包含丰富的空间—光谱信息,不仅能够保留目标的空间信息,还能够获取高度可辨别的光谱信息。因此,如变化检测、目标追踪等高光谱图像处理技术在对地观测任务中得到了广泛应用。然而,在高光谱图像变化检测的过程中仍然存在许多问题与挑战。如高光谱图像的高维复杂性、光谱差异性以及存在光谱混合等问题,影响变化检测效果。得益于深度学习理论的深入研究,高光谱图像变化检测技术研究得到了极大的发展。本文对现有基于深度学习的变化检测方法进行全面分析总结,按照高光谱图像采集条件是否相同,将其分为同构高光谱图像变化检测以及异构高光谱图像变化检测。其中,从特征提取的网络结构优化和特征提取前混合像素处理两个角度,又将同构高光谱图像变化检测方法进一步分为基于时序依赖和空谱信息提取的方法以及基于端元提取和解混的方法,分别总结各类方法的特点和局限性,并讨论未来的研究重点。此外,面对不同传感器获取的异构高光谱图像数据,现有的方法基于图论学习图像的结构关系,并基于图像变换将其转换至公共域从而进行变化检测处理。本文从高光谱图像变化检测领域的新设计、新方法和应用场景出发,通过综合国内外前沿文献来梳理该领域的主要发展,重点论述高光谱图像变化检测领域的发展现状、前沿动态、热点问题及趋势。