航天高光谱遥感应用研究进展(特邀)

近年来随着高光谱成像技术的快速发展,航天高光谱遥感数据在各领域应用研究中取得了良好的发展与突破。文中回顾了国内外航天高光谱成像技术的发展历程,介绍了有代表性的航天高光谱成像仪的主要应用技术指标,较为系统地总结和分析了近五年来航天高光谱遥感数据在国土资源、农林遥感、海洋湖泊遥感、城市环境、灾害监测及其他方面等各领域的最新应用研究进展。对基于AI技术的高光谱信息提取与应用、基于高光谱遥感的多源数据融合与应用以及面向深空探测领域的高光谱数据分析与应用等发展趋势做了展望,未来航天高光谱成像仪技术的进一步突破和应用研究需求的牵引将会推动高光谱应用领域更大范围的创新与发展。     

成像光谱仪数据信息提取和分类方法探讨

成像光谱技术的应用，开辟了遥感技术的新纪元。由于成像光谱仪的数据具有波段多，光谱分辨率高，数据量大，数据率高等特点，传统的数据处理方法无法适应成像光谱数据的处理。本文对成像光谱仪数据信息提取和分类方法进行了探讨，提出了一个系统地对高分辨率成像光谱数据进行处理、分析、分类的方案。经过分析，我们认为该方案具有先进性和可行性。     

基于空-谱特征K-means的长波红外高光谱图像分类

高光谱图像(hyper spectral imagery,HSI)分类已成为探测技术的重要研究方向之一,同时也在军事和民用领域得到广泛运用。然而,波段数目巨大、数据冗余、空间特征利用率低等因素已成为高光谱图像分类的挑战,且现有的高光谱分类大多利用可见光或短波红外高光谱数据分类。针对这些问题,本文提出了一种基于光谱和空间特征的K-means分类方法。首先提取空间特征,然后将光谱与空间特征相结合并降维,最后引入K-means算法得到较普通K-means更佳的分类结果。并将此算法运用在长波红外的高光谱图像分类中。     

针对高光谱图像的目标分类方法现状与展望

进入21世纪,遥感技术成为一项非常重要的空间成像技术。高光谱图像分类是遥感技术应用中非常重要的一项研究内容,在民用和军用上都实现了应用。高光谱图像分类是通过给每个像元添加分类标签,最终达到区分地物并且识别目标的目的。本文简要阐述了高光谱图像的分类过程及其面临的主要问题;在总结前人研究的基础上归纳了4类主要的高光谱图像分类策略,简要分析了其优缺点及适用范围;分析了近年来出现的新型分类器及其优化方法。最后,对于高光谱图像分类研究存在的主要困难进行了总结,并对未来发展的方向进行了展望。     

成像光谱仪数据信息提取和分类方法探讨

成像光谱技术的应用，开辟了遥感技术的新纪元。由于成像光谱仪的数据具有波段多，光谱分辨率高，数据量大，数据率高等特点，传统的数据处理方法无法 适应成像光谱数据的处理，本文对成像光谱仪数据信息提取和分类方法进行了探讨，提出了一个系统地对高分辨率成像光谱数据进行处理，分析、分类的方案。经过分析，我们认为该方案具有先进性和可靠性。     

图信号处理在高光谱图像处理领域的典型应用

高光谱图像(HSI)具有纳米级的光谱分辨能力且同时对地物目标的光谱维和空间维进行联合成像的优势,能够精细化感知场景目标的本征判别属性,在遥感探测、医疗诊断和国防安全等具有重要应用价值,是高精度遥感探测的科技制高点之一。不同于传统1维时间信号、2维图像信号,高光谱图像具有多阶、高维的信号属性。为解决传统信号处理方法在高光谱图像处理领域中的不足,图信号处理(GSP)理论与方法被逐渐引入高光谱图像处理与解译等任务中。该文以短综述的形式,介绍了图信号处理在高光谱图像处理领域的理论发展并列举了在高光谱特征提取、图像重构和解译分类3个主要方面的典型应用。最后,进一步探讨了该方向未来发展所面临的挑战和相应解决办法。     

基于近红外高光谱成像技术的塑料分类（特邀）

塑料因其可塑性与低成本在日常生活与工业中被广泛使用,然而这也带来环境污染与资源浪费等问题,因此塑料分类成为重要研究课题。为验证高光谱成像技术在塑料分类中的可行性,采用近红外高光谱成像技术（NIR-HSI）,比较了1100～1650 nm波段数据在9种常见塑料分类中的效果。涵盖K邻近法（K-NN）、支持向量机（SVM）、粒子群算法训练的SVM(PSO-SVM)、遗传算法优化的SVM(GA-SVM)等机器学习方法。通过验证数据筛选模型准确率后,将其应用于高光谱图像,通过可视化分类对比原始图像评估模型效果。结果显示,基于欧氏距离、余弦相似度的K-NN和GASVM分类效果最佳,验证数据的精度分别达到96.14%、96.21%和98.67%,在可视化分类上也呈现出良好效果。高光谱成像技术在塑料分选中具有很高的应用价值,只需获取特定塑料的光谱数据并进行适当处理,即可对不同颜色、形状、工艺的同类塑料制品进行有效区分。     

基于集群和GPU的高光谱遥感影像并行处理

以高光谱遥感影像数据处理中的主成分分析（PCA）和最小噪声分离（MNF）以及光谱相关系数填图（SCM）算法的并行化为目标,分别在集群环境下基于MPI设计并实现了协方差矩阵并行算法,以及基于GPU设计并实现了SCM并行算法,并在高光谱遥感影像数据处理中得到应用和验证。实验结果表明,高光谱遥感影像数据处理高性能计算对于提高和改善其时间性能具有显著效果,是高光谱遥感工程化应用快速处理重要的技术手段。     

热红外高光谱成像技术的研究现状与展望

高光谱成像具有精细的光谱分辨能力,在热红外谱段实施高光谱成像对目标探测与识别有显著效果.与国外相比,我国在该领域的研究还相对薄弱,应用部门的研究主要基于国外数据,国内尚未有成熟的仪器.对国内外研究现状进行了详细调研,并结合目前国内已经布局的研究项目对该领域未来的发展进行了展望,对我国发展高性能空间红外光谱成像技术具有一定意义.     

基于大数据的高光谱图像分类算法

为解决图像分类精准度较低问题，提出基于卷积神经网络的高光谱图像分类算法。利用虚拟化样本降低分类难度，通过标准化均值差法加强凸显每个像素间曲线波动特征。构建光谱特征提取模型，通过卷积神经网络建立分类处理模型并确定整体分类流程，实现光谱图像的分类。实验结果表明，在同种数据集下，所提算法的分类精准度较为理想。且在训练样本较少的情况下，其应用效果也较好，能够为高光谱图像深入处理提供可靠的理论基础。     

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...     

面向目标检测基于稀疏表示的波段选择方法

随着高光谱成像技术的发展,日益提高的光谱分辨率在提高目标检测和识别能力的同时,其较高的数据维度和较大的数据量也为数据分析和处理带来了很大的挑战.波段选择作为一种有效提高处理效率的技术受到广泛关注,但却鲜有专门针对目标检测设计的方法.针对上述问题,本文在分析约束能量最小化（CEM）检测算法特点的基础上,提出了一种面向目标检测,基于稀疏表示的波段选择方法.该方法首先基于数据的对称KL散度分布情况,将原始高光谱数据划分为若干波段子空间.然后在各子空间内稀疏重构检测结果,利用选择波段与稀疏向量非零项的一一对应关系,通过求解最优化问题实现波段选择.实验结果验证了该方法的有效性.     

星载高光谱成像仪的发展及军事应用

随着航天技术的发展,星载高光谱成像技术日趋成熟并得到广泛应用。首先对高光谱成像的基础概念及特点进行了阐述,然后从国内、国外两个角度系统介绍了近二十年星载高光谱成像仪的发展状况,并分析了其主要性能指标和相关遥感应用,最后对星载高光谱技术在战场环境侦察、海洋军事行动监测、战场气象环境评估、导弹预警探测等方面的军事应用进行了分析概括,并通过举例进行了简要说明。     

高光谱遥感大气辐射校正技术的研究

为满足高光谱遥感图像定量化解译的需求,针对现有大气校正方法面临的大气参数不同步问题,对基于大气参数空间同步获取的大气辐射校正技术进行了研究。首先总结了利用卫星搭载专用大气辐射校正载荷,同步提供大气校正参数与地表反射特性的方法,从根本上解决辐射传输模型中的大气参数难以同步获取的问题。其次结合国外在轨运行的高光谱遥感卫星的调研结果,在大气校正载荷的设计—尤其是谱段选择和优化方面对载荷系统的方案特点和技术指标进行了归纳。并选取EO-1 Hyperion高光谱遥感图像进行了大气校正,从校正前后图像的视觉效果、光谱特性、典型地物的分类识别效果三方面分析了大气校正对高光谱遥感定量化应用性能的提升。最后对大气辐射校正技术的发展前景进行展望。     

畜产品品质的高光谱图像无损检测研究进展

应用新兴的高光谱图像技术对畜产品品质进行无损检测是当前的研究热点之一。介绍了该技术的基本原理和分析过程,总结分析了国内外畜产品品质高光谱图像无损检测的研究现状和存在问题,提出了畜产品品质高光谱图像技术检测的未来研究发展方向,以期对我国相关研究人员的研究工作提供参考。     

基于高光谱影像多维特征的植被精细分类

目前,高光谱植被精细分类存在三个问题:单纯利用光谱信息得到的分类精度较低;光谱数据存在噪声影响了最终的分类结果; 缺少针对具体应用场景而设计的分类方法。为此,提出了一种基于高光谱影像多维特征的植被精细分类方法,通过光谱 数据降维、纹理特征提取以及植被指数选择三个方面对高光谱影像数据进行分析与利用,依靠前期现场调查得到的地面 植被分布情况,选择训练样本并进行支持向量机(Support vector machine, SVM)监督分类,完成地面植被的精细分类, 对分类结果进行验证,总体精度可达99.6\%。结果表明,基于高光谱影像多维特征的植被分类方法能够有效地减小数据噪声、 提高信息利用率,为植被生态监测提供更为准确的数据支撑。     

基于高光谱图像的东北稻米品种快速分类

针对稻米品种无损鉴别需求,利用高光谱技术分析了3种稻米样品的光谱图像特征,实现了利用液晶可调滤波器(LCTF)光谱相机对3种稻米的探测、分类与鉴别。通过高光谱相机采集稻米样品的VIS/NIR光谱图像,运用Matlab软件及ENVI软件对高光谱图像进行处理分析,获得各样本的相对反射率曲线,结合图像阈值分割技术,得到各波段光谱图像的二值图像。结合图像及数据,分析不同品种稻米的光谱差异,发现稻米于480~550 nm波段有较为明显的特征峰,品种之间光谱差异明显,且不同品种稻米的二值图像明暗占比不同,以此完成稻米品种的分类与鉴别。研究结果表明,光谱图像的相对反射率和二值图像在稻米品种快速分类与识别的应用中具有较好的应用前景。     

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。     

基于多特征多分辨率融合的高光谱图像分类

由于数据维数高,利用高光谱数据对地物进行分类,常规方法难以获得令人满意的结果,在基于小波多分辨率融合方法进行特征图像的提取过程中,提出了利用多个空间特征所构成的特征矢量确定多分辨率融合权值的算法,有效地降低了原始图像的数据维并获得了用于后续分类的特征图像．对AVIRIS数据进行的实验表明,利用新方法提取的特征进行分类,获得了高于传统方法确定融合权值的结果。