航天高光谱成像仪简述(特邀)

航天高光谱载荷相比于传统的多光谱载荷,在光谱分辨率上有着巨大的提升,随着定量化遥感的发展,天基探测不仅可以对地面目标的几何信息进行采集,更可以利用高光谱数据实现大气、陆地资源、战场环境、海洋物质成份的探测,随着航天高光谱技术的不断发展,高时间分辨率的对全球气候、自然资源、水纹情形的光谱成像已成为可能。高光谱探测依据成像原理的不同,主要可以分为干涉型光谱仪、衍射型光谱仪、滤光片型光谱仪。文中针对其中应用较为广泛的光栅衍射型光谱仪、时间傅里叶变换光谱仪、空间傅里叶变换光谱仪、声光调制滤光片（AOTF）光谱仪、液晶可调谐滤光片（LCTF）光谱仪、高光谱滤光片光谱仪进行了介绍,并针对每种光谱仪的优势及存在的局限性进行了分析。     

航天高光谱成像技术研究现状及展望

自1997年8月23日首颗高光谱卫星LEWIS发射以来,航天高光谱成像技术走过了15年的路程,我国在该领域的技术也取得了跨越式的发展。当前我国正按照国家中长期科技规划,努力构建下一代高分辨率对地观测系统,深入全面地总结过去若干年的航天高光谱成像技术发展情况,并分析发达国家的发展计划,对制定我国的航天高光谱成像技术发展战略具有重要意义。从当前的主流高光谱分光技术、应用情况和发展趋势三个方面进行了全面的分析总结,认为民用高光谱成像系统应该朝着宽幅、定量化和应用细分的方向发展;军用高光谱成像系统的发展重点应该是高空间分辨率、宽波段以及快速信息处理技术。     

日光诱导叶绿素荧光高光谱成像仪研究(特邀)

研究了一种可用于植被日光诱导叶绿素荧光遥感的高光谱成像仪样机,用以满足对植被微弱荧光辐射探测的高信噪比、高光谱分辨率的科学探测需求。根据荧光与太阳夫琅禾费线的作用探测机理,结合探测科学需求分析完成了具备高性能的光学系统设计。系统工作波段为670~780 nm的可见-近红外谱段,可覆盖植物受太阳光照射而产生的荧光辐射特征波长;系统数值孔径为0.25,这种大通光能力可确保系统具备足够的信噪比;系统光谱分辨率优于0.3 nm,并同时具备良好的成像质量。样机的初步结果完全满足设计要求,该研究将为我国未来日光诱导叶绿素荧光高光谱成像探测提供一种有力的手段。     

航空航天高光谱成像仪研究现状及发展趋势

由于具有光谱分辨率高、图谱合一的巨大优势,高光谱成像技术近四十年来发展显著。当前机载和星载高光谱搭载平台可覆盖大范围的地球表面,是遥感技术发展以来最重大的科技突破之一。它们在伪装揭露、武器生产调查、武器使用探测、近海监测和反潜等军事领域得到了成功应用,并获得了显著的军事效果。回顾了国内外高光谱成像仪的发展历程,同时总结分析了航空航天高光谱成像仪的主要特点。     

遥感中的高光谱技术及应用

简要介绍了高光谱的概念、高光谱成像光谱技术及其相关的定标技术,并介绍了有关领域中高光谱的应用,据此反映高光谱技术在遥感中的重要作用。     

成像光谱技术发展及其应用

本文评述了成像光谱技术十年来的各种研究计划与发展应用现状。     

高光谱热成像仪及其应用

新颖推扫式高光谱热成像仪产生的高质量光谱数据在许多防御、野外以及工业场合可以用来对材料进行表征。     

用于多光谱、高光谱和超光谱图像的算法

一、探测与识别 1.光谱子空间匹配滤波技术(特邀论文,A.P.Schaum,美国海军研究实验室) 2.配有超光谱自适应匹配滤波器的探测器:实际性能比较(D.G.Manolakis等,美国林肯实验室) 3.利用光学实时自适应光谱鉴别系统进行超光谱成像的自动目标识别系统(D.Gillis等,美国海军研究实验室) 4.定量研究长波红外超光谱成像器的探测性能随波段数的变化(R.T.Mayer,美国海军研究实验室)     

遥感中的高光谱技术及应用

简要介绍了高光谱的概念、高光谱成像光谱技术及其相关的定标技术,并介绍了有关领域中高光谱的应用,据此反映高光谱技术在遥感中的重要作用。     

大气遥感高光谱分辨率激光雷达研究进展

高光谱分辨率激光雷达由于可实现对大气参数的精确反演,在大气遥感领域具有较好的发展前景。介绍了高光谱分辨率激光雷达探测气溶胶、大气温度以及风速的基本原理以及目前国内外的研究进展,并重点介绍了高光谱分辨率激光雷达系统中的鉴频技术、激光技术、锁频技术以及数据处理技术等几项关键技术。     

红外高光谱遥感成像的技术发展与气体探测应用（特邀）

相对可见光和短波红外谱段来说,在红外谱段进行高光谱遥感成像具有独特优势,特别是在资源勘查、地表环境监测、大气环境监测、军事侦察方面。尽管当前红外高光谱成像仪主要以机载为主,还未实现星载,然而国内外相关机构从未放弃推进红外高光谱遥感的星载化。文中首先分析了国内外典型的红外高光谱成像仪的设计、实现与技术指标,从光谱分辨率、空间分辨率、辐射分辨率三个核心指标总结了现有红外高光谱成像仪的技术特点、存在问题和解决途径。未来很长的一段时间内,红外精细分光、低暗电流焦平面探测器、低温光学与背景抑制仍然是红外高光谱成像仪研制所要解决的核心问题。在此基础上,文中重点介绍了在远距离气体探测方面的应用,并分析了其独特优势。最后,展望了红外高光谱成像技术的发展方向。     

基于机载高光谱遥感图像的城市绿地覆盖研究

针对Kappa系数低,绿地提取结果完整性差和图像分割精度低的问题,进行基于机载高光谱遥感图像的城市绿地覆盖研究.利用小波变换融合机载高光谱遥感图像,增强图像,清晰化图像边缘并分割图像,获取多个不规则的多边形图像,合并匹配度较高的机载高光谱遥感图像,在提高数据完整度的同时简化数据,提取机载高光谱遥感图像中的绿地覆盖特征,...     

Microwave remote sensing from space

Spaceborne microwave remote sensors provide perspectives of the earth surface and atmosphere which are of unique value in scientific studies of geomorphology, oceanic waves and topography, atmospheric water vapor and temperatures, vegetation classification and stress, ice types and dynamics, and hydrological characteristics. Microwave radars and radiometers offer enhanced sensitivities to the geometrical characteristics of the earth's surface and its cover, to water in all its forms--soil and vegetation moisture, ice, wetlands, oceans, and atmospheric water vapor, and can provide high-resolution imagery of the earth's surface independent of cloud cover or sun angle. A brief review of the historical development and principles of active and passive microwave remote sensing is presented, with emphasis on the unique characteristics of the information obtainable in the microwave spectrum and the value of this information to global geoscientific studies. Various spaceborne microwave remote sensors are described, with applications to geology, planetology, oceanography, glaciology, land biology, meteorology, and hydrology. A discussion of future microwave remote sensor technological developments and challenges is presented, along with a summary of future missions being planned by several countries.     

高光谱遥感图像非线性解混研究综述

介绍了近年来非线性光谱解混方法的发展状况,主要包括矿物沙地地区的紧密混合模型和植被覆盖区域的多层次混合模型,以及基于这些模型的非线性解混算法和利用核函数、流形学习等方法的数据驱动非线性光谱解混算法及非线性探测算法.最后分析总结了现有非线性解混模型与算法的优势与缺陷及未来的研究趋势.     

高光谱空谱一体化图像分类研究

高光谱图像分类是遥感图像处理技术中的一个热点,提高分类精度是目前一个重要研究方向。常规的高光谱图像分类技术主要关注于如何更好地利用光谱空间的分类信息,往往忽视图像空间域信息。本文提出了一种基于空谱一体化处理的高光谱图像分类方法,在利用数据进行自身光谱特征分类的同时采用区域生长法和二值形态学法相结合的空间域有效信息对光谱分类结果进行补充。实验证明本方法能提高高光谱图像分类精度。     

Classification of hyperspectral remote sensing images with support vector machines

This paper addresses the problem of the classification of hyperspectral remote sensing images by support vector machines (SVMs). First, we propose a theoretical discussion and experimental analysis aimed at understanding and assessing the potentialities of SVM classifiers in hyperdimensional feature spaces. Then, we assess the effectiveness of SVMs with respect to conventional feature-reduction-based approaches and their performances in hypersubspaces of various dimensionalities. To sustain such an analysis, the performances of SVMs are compared with those of two other nonparametric classifiers (i.e., radial basis function neural networks and the K-nearest neighbor classifier). Finally, we study the potentially critical issue of applying binary SVMs to multiclass problems in hyperspectral data. In particular, four different multiclass strategies are analyzed and compared: the one-against-all, the one-against-one, and two hierarchical tree-based strategies. Different performance indicators have been used to support our experimental studies in a detailed and accurate way, i.e., the classification accuracy, the computational time, the stability to parameter setting, and the complexity of the multiclass architecture. The results obtained on a real Airborne Visible/Infrared Imaging Spectroradiometer hyperspectral dataset allow to conclude that, whatever the multiclass strategy adopted, SVMs are a valid and effective alternative to conventional pattern recognition approaches (feature-reduction procedures combined with a classification method) for the classification of hyperspectral remote sensing data.     

叶面降尘的高光谱定量遥感模型

利用自主设计的叶面降尘量测定方法,测定了榆树叶面的降尘量数据,结合地面高光谱遥感数据,研究了叶面降尘对榆树叶片高光谱特征的影响及叶面降尘量的高光谱定量反演.研究结果表明,叶面降尘可提高可见光波段的反射率,降低近红外波段的反射率,且对可见光波段的影响要大于近红外波段; 叶面降尘对三边位置没有影响,对三边幅值和面积有明显影响; 利用降尘光谱指数和三边参数建立的叶面降尘量模型,只具备粗略预测能力,而采用多元线性回归、主成分回归、偏最小二乘回归建立的模型,均具有很强的预测能力,其中以一阶微分建立的偏最小二乘回归模型的效果最佳,预测决定系数为0.92,预测均方根误差为1.06,样本标准差与预测均方根误差比为8.2.     

基于地标空间信息的高光谱遥感图像分类

高光谱遥感图像同时具有光谱与空间特征信息,充分利用空间特征能够有效提高分类结果.高光谱图像上同类像素点的邻域空间信息差异较大会影响分类效果,针对这个问题提出了一种新的空间信息利用方法,记作地标空间信息.将光谱信息与地标空间信息结合使用,通过深度信念网络提取特征.实验表明地标空间信息能够有效提高深度信念网络以及对比方法的分类结果.     

基于ISOMAP的高光谱遥感数据的降维与分类

为挖掘高光谱遥感数据内在的非线性结构特性,采用全局化流形学习算法等距特征映射（ISOMAP）对高光谱遥感数据进行非线性降维,并取得了优于常用的最小噪声分离（MNF）变换方法的结果,具有更好的数据压缩性能。将光谱角相似性度量方法用于ISOMAP 算法,取得良好的降维效果。通过把ISOMAP 降维算法和k-最邻近分类器相结合对降维后子空间特征进行分类,实验表明:ISOMAP 利用较少的特征维数获得比MNF 更高的分类精度,并达到较高稳定的分类精度,尤其对难以区分、光谱相似的两类别问题,ISOMAP 的特征维数能够有效的提高两类别的可分性。