基于阵列相机的多光谱成像系统光谱重建算法

针对传统三通道RGB相机在光源光谱已知条件下不能完全恢复物体表面光谱反射率的缺点,本文构造一套多光谱成像阵列相机系统。该阵列相机采用12个大恒DH-HV1300FM型相机,且11个镜头装有波长不同的滤光片。本文结合阵列相机多通道数的优势,提出一种MSIS-GOC（Multi-spectral Imaging System based on Group of Camera）算法,能够可靠并有效地重建场景的光谱反射率。仿真实验结果分析验证了该系统的有效性。     

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。     

基于CUDA的干涉型高光谱实时光谱复原处理技术

随着干涉成像技术的发展,卫星地面处理系统对干涉型高光谱数据的应用提出了实时光谱复原处理及快速成像显示的需求。针对干涉型高光谱图像数据码速率高、可并行处理性强等特点,将干涉型高光谱复原处理算法与新兴的CUDA技术相结合,进行了算法应用研究与软件设计,实现了干涉型高光谱实时光谱复原处理技术。实验结果表明,基于CUDA的干涉型高光谱数据的光谱复原处理技术能够满足地面应用系统的需求。     

基于颜色自适应字典的双相机光谱系统重建算法

通过将快照编码孔径光谱成像和普通RGB彩色成像结合,双相机光谱成像系统能够高效地获取场景的光谱信息,具有广阔的应用前景.如何高质量地从压缩采样中重建高光谱图像是该系统需要解决的重要问题.根据高光谱图像与彩色图像在空间结构和光谱响应上的相关性,本文了提出一种基于颜色自适应字典的重建算法,用以提高双相机光谱成像系统的重建质量.首先,利用RGB观测分别训练三通道非负字典.然后,以彩色相机的光谱响应曲线为指导,为每一个谱带选择光谱相关性最大的字典.最后,完成高光谱图像的稀疏重建.高光谱数据库和遥感数据库的仿真结果均表明,本文提出的算法能够大幅度提升双相机光谱成像系统的重建质量.     

AOTF高光谱成像探测作物氮素含量方法

使用声光可调谐滤光器(AOTF)型高光谱成像仪采集10种不同氮素处理水平下的西红柿苗各部位(老叶、嫩叶和主茎)的高光谱图像,经模板匹配预处理后提取615~1000 nm高光谱信息,采用竞争自适应重采样(CARS)方法优选西红柿苗氮素含量表达的特征部位和特征波段.实验结果表明:综合番茄苗叶茎的光谱信息建立的氮素定量模型性能最差,由番茄苗老叶和嫩叶建立的氮素定量模型性能较好,由番茄苗老叶建立的氮素定量模型性能最佳,在挑选的703,906 nm等10个波长点的基础上,采用5折—偏最小二乘交互校验方法建立的氮素定量分析模型的决定系数R2达到了0.95,交叉校验标准差(RMSECV)为0.08.因此,采用AOTF高光谱成像技术定量测量番茄苗氮素含量是可行的,应以氮素含量相对稳定的老叶建立定量分析模型,703,906 nm为氮素分析的首选特征波长.     

凝视型AOTF高光谱成像系统设计

以声光可调谐滤波器(AOTF)为分光元件,集成了一种凝视型AOTF高光谱成像系统.系统硬件由AOTF及其控制器、CCD近红外相机、镜头、计算机组成,系统软件采用VC++2010语言,调用机器视觉算法包HALCON10.0的库文件和AOTF的库文件,实现对AOTF控制器和相机操作的控制及高光谱图像预处理.所集成的AOTF的凝视型光谱成像系统能连续采集被测物体的高光谱图像,光谱段为550～1 000 nm,光谱分辨率为2～6 nm,图像分辨率为1392像素×1 040像素.     

高光谱成像激光雷达光纤阵列焦面分光技术

伴随激光雷达技术凭借自身多方面的优势,广泛用于遥感、测绘等领域,对地物目标空间相关信息、光谱信息做好精准性辨识,作为未来激光雷达用于遥感测绘主趋。随着各类先进技术的兴起和应用,激光雷达测距可精准获取地物目标空间高程信息,被动高光谱成像可获取丰富光谱信息,但唯一不足的是2种技术方法和手段,难以同步获取高程和光谱信息。针对原有主、被动遥感探测技术自身的优势、不足,主要是探究基于光纤阵列焦面分光技术,结合实际需求,设计一套机载高光谱成像激光雷达接收系统,该系统可实现全天候光谱探测,不断完善和优化系统光机集成,有利于提高系统探测水平。     

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。     

激光雷达与高光谱成像技术数据融合研究进展

近年来,为提高地物分类精度,突破单一传感器的技术擎制,弥补单一数据源应用的局限性,多源遥感数据融合的成为了遥感领域众多学者关注的研究热点。高光谱遥感技术的光学影像同激光雷达点云数据的融合技术在技术层面为提升地物识别与分类的精度上提供了一种可行方案,打破了单一传感器的技术上限,为目标三维空间—光谱信息一体化获取提供了一种新的解决途径,同时为高光谱激光雷达成像技术研究奠定基础。本文回顾了激光雷达与高光谱成像数据融合发展历程,论述其在特征级和决策级的主要融合方法和研究进展,将常用特征级融合和决策级融合方法进行详细介绍,并对最新几种研究算法进展进行小结和概述,探讨了其面临的挑战和未来发展与应用前景,最后对激光雷达和高光谱成像数据融合未来发展做出系统展望。     

基于事件相机的合成孔径成像

合成孔径成像(Synthetic aperture imaging, SAI)通过多角度获取目标信息来等效大孔径和小景深相机成像. 因此, 该技术可以虚化遮挡物, 实现对被遮挡目标的成像. 然而, 在密集遮挡和极端光照条件下, 由于遮挡物的密集干扰和相机本身较低的动态范围, 基于传统相机的合成孔径成像(SAI with conventional cameras, SAI-C)无法有效地对被遮挡目标进行成像. 利用事件相机低延时、高动态的特性, 本文提出基于事件相机的合成孔径成像方法. 事件相机产生异步事件数据, 具有极低的延时, 能够以连续视角观测场景, 从而消除密集干扰的影响. 而事件相机的高动态范围使其能够有效处理极端光照条件下的成像问题. 通过分析场景亮度变化与事件相机输出的事件点之间的关系, 从对焦后事件点重建出被遮挡目标, 实现基于事件相机的合成孔径成像. 实验结果表明, 所提出方法与传统方法相比, 在密集遮挡条件下重建图像的对比度、清晰度、峰值信噪比(Peak signal-to-noise ratio, PSNR)和结构相似性(Structural similarity index measure, SSIM)指数均有较大提升. 同时, 在极端光照条件下, 所提出方法能有效解决过曝/欠曝问题, 重建出清晰的被遮挡目标图像.     

基于Forman算法HJ-1A高光谱数据实时处理技术研究

采用Forman卷积法,基于GPU硬件平台,完成了实时光谱复原处理系统关键技术研究。试验结果表明:系统处理能力为HJ-1A中高光谱解压后下行数据速率的2.82倍,满足实时初级产品与全分辨率移动图像显示处理的技术需求。基于GPU环境对Forman法与Mertz法进行比较,针对Forman法采用不同处理方法进行比较,为开展实用化系统的研制提供了数据与方法。     

面向目标检测的高光谱图像压缩技术

提出了一种基于面向目标检测的高光谱图像压缩算法。该算法利用主成分分析对高光谱图像进行降维,引入虚拟维数对高光谱图像的本征维数进行估计,在估计结果基础上确定降维后的主成分数,并采用SPIHT算法对保留的主成分进行有损压缩。同时,虚拟维数可以实现对图像中端元数目的有效估计,继而采用基于无监督正交子空间投影的端元提取算法提取各目标端元,利用算术编码对目标端元的位置进行无损压缩,解码端可以利用获得的端元位置信息对解压缩后的主成分进行目标检测。实验结果表明,该算法在获得较高压缩性能的同时,能够有效检测出图像中的目标信息。     

基于加窗光谱积分的高光谱遥感图像特征提取

提出了一种基于加窗光谱积分的高光谱遥感图像特征提取算法.该算法借用子波变换多分辨率分析的思想,设计了一组波段相互重叠的窗函数来提取光谱曲线特征,然后进行有监督RBF神经网络分类实验,在实验过程中确定了相关参数的取值范围.实验结果表明,加窗光谱积分特征可以有效地描述光谱曲线,获得了比较好的正确分类率.     

航空高光谱遥感的发展与应用

概述了成像光谱遥感技术的内涵、高光谱数据的特点、成像光谱仪的主要类型、数据处理软件以及光谱数据库建设等内容。在此基础上,综述了航空成像光谱技术在海洋、环境资源勘探以及植被与生态遥感等方面的应用现状。最后对高光谱遥感技术的发展方向提出了几点建议。     

基于邻域加权稀疏表示的高光谱图像目标探测

提出了一种基于邻域加权稀疏表示的高光谱图像目标探测方法。在构造稀疏模型时,以单位化像元的内积表示像元的相似性,据此对重构图像中测试像元空间邻域的像元进行加权约束,保证了空间的平滑性;并提出基于加权最小二乘的正交匹配追踪算法求解该稀疏模型,它使得每次迭代中参数估计有效。实验结果表明,该探测算法是有效可行的。     

基于深度学习的花生高光谱图像分类方法研究

利用高光谱成像技术对不同品种的花生进行快速无损分类。选取五种不同品种的花生,分别为东北小花生、富硒黑皮花生、花育36号、鲁花01号、鲁花09号,每种15颗,共75颗花生作为样本,采集400nm-1000nm波长范围内的高光谱图像,随机将6个特征波段(416nm、518nm、572nm、633nm、746nm、928nm)下的450个样本图像以2:1的比例分成训练集和测试集,建立基于深度学习的卷积神经网络模型。实验中所采用的网络模型为具有22层深度网络的GoogleNet模型,其中将dropout_ratio修改为0.6,训练集最终准确率为96%,测试集平均准确率为93.3%,每种花生的识别率均在90%及以上。最后与传统光谱处理方法PLS-DA进行对比,发现基于深度学习模型的识别率明显优于PLS-DA,结果表明,利用深度学习方法对花生快速无损分类具有可行性。     

基于成像传感器特征的相机源识别

基于模式分类的方法,提出一种利用成像传感器特征进行相机源辨识的鲁棒性方法。分析数码相机成像的特点,提取传感器噪声信息的统计特征,设计一个鲁棒的分类器来确定相机的品牌/型号。所提取的图像特征包括图像去噪差值、小波域子带统计矩以及通道颜色特征。实验结果表明所设计的算法不仅可以有效地正确辨识相机品牌/型号,还具有良好的鲁棒性。     

光谱微分技术在高光谱遥感浅海海底底质中的应用初探

采用光谱微分技术进行了高光谱遥感反演浅海海底底质的初步研究。首先,利用半分析海洋辐射传递模型模拟不同海底底质的光学浅水高光谱遥感反射比数据集;然后,利用光谱微分技术建立海底底质识别算法;最后利用水槽模拟数据来验证。结果表明本文建立的反演算法可以应用于泥砂类和植物类底质的区分。     

基于EXCEL的高光谱影像光谱响应分析

高光谱遥感侧重于从光谱维角度对影像信息进行分析与处理。由于目前高光谱数据的处理技术跟不上数据获取技术,而已有的成熟的多光谱影像处理技术并不适合于处理高光谱数据,因此利用EXCEL软件展开了高光谱影像的地物光谱重建、光谱特征及其相关性分析、光谱微分计算、光谱向量相似性度量和信息提取等研究,并基于PHI（Pushbroom Hyperspectral Imager）航空高光谱影像像元光谱维矢量进行了光谱响应分析,实现信息监测和识别。