基于3D深度胶囊网络的高光谱和LiDAR数据融合分类

针对高光谱和LiDAR成像优势,通过构建三维深度胶囊网络(3D-deep capsule network,3D-DCN)探索了这两种遥感数据源在城市地物分类上的应用.该网络通过使用两层3D-CNN结构实现融合后数据的非线性特征映射,然后紧跟胶囊网络生成代表特征的矢量并实现卷积、封装和分类;针对胶囊网络层间的非线性激活函数提出一种称为e-squash的非线性激活函数用于特征学习.在城市数据集上的分类实验表明,使用LiDAR高程特征数据极大地改善了高光谱图像分类精度,采用提出激活函数的3D-DCN在城市数据分类方面比经典分类方法和未采用e-squash的胶囊网络具有更大的应用潜力.     

Potential for identification of wild night-flying moths by remote infrared microscopy

There are hundreds of thousands of moth species with crucial ecological roles that are often obscured by their nocturnal lifestyles. The pigmentation and appearance of moths are dominated by cryptic diffuse shades of brown. In this study, 82 specimens representing 26 moth species were analysed using infrared polarimetric hyperspectral imaging in the range of 0.95–2.5 µm. Contrary to previous studies, we demonstrate that since infrared light does not resolve the surface roughness, wings appear glossy and specular at longer wavelengths. Such properties provide unique reflectance spectra between species. The reflectance of the majority of our species could be explained by comprehensive models, and a complete parametrization of the spectral, polarimetric and angular optical properties was reduced to just 11 parameters with physical units. These parameters are complementary and, compared with the within-species variation, were significantly distinct between species. Counterintuitively to the aperture-limited resolution criterion, we could deduce microscopic features along the surface from their infrared properties. These features were confirmed by electron microscopy. Finally, we show how our findings could greatly enhance opportunities for remote identification of free-flying moth species, and we hypothesize that such flat specular wing targets could be expected to be sensed over considerable distances.     

基于低概率检测的高光谱图像有损压缩方法研究

高光谱图像海量数据的不断增加迫切需要实现大比例的有损压缩。现有方法往往不能满足重要信息准确保留的要求。文中提出结合区域分割和低概率异常检测（LPD）算法的数据有损压缩方法,用空间聚类实现区域分割从而提取大块区域包含的背景光谱。LPD算法用于检测场景中低概率出现的奇异目标,接着对背景光谱和奇异目标光谱进行无损压缩,最后对整个数据立方体进行大比例有损压缩。AVIRIS高光谱图像的仿真结果表明．压缩比得到大幅度提高。同时准确保留了重要和主要信息。     

大幅面高光谱扫描系统在文物研究中的应用

为使高光谱成像技术能够在大幅面绘画类文物研究和保护中充分发挥面分析的优势,研制了大幅面高光谱扫描系统,同时建立了传统颜料数据库。与以往高光谱成像技术对文物进行的局部分析相比,该系统不仅提高了分析效率,而且可对绘画文物整体进行颜料鉴别和相对浓度分布研究,可以为绘画中复杂调色工艺的研究提供巨大的帮助。目前,已使用该系统对故宫博物院东华门天花彩画、纸本书画《丁观鹏画不二尊者图轴》、绢本书画《沈庆兰画贴落》和唐卡《吉祥天母画佛像》进行分析研究,并将其用于文物隐藏病害、隐藏墨迹、底稿线等信息的提取与增强,颜料成分鉴别和混合颜料工艺研究等方面,取得了良好的效果,对绘画类文物的研究与保护具有重要的意义。     

高光谱图像深度模糊核聚类的洋底锰结核识别

目的 海洋资源调查是海洋科学研究的重要组成部分，对于开发利用海洋资源、保护海洋环境有重要意义。将深海高光谱图像用于调查洋底锰结核资源，相比传统图像方法信息更为全面，识别更为准确。但是高光谱方法中用于有监督分类识别的分类器需要人工标定的标签，这在深海环境中是较为困难的。针对这一局限性，本文提出了一种融合深度网络与模糊核聚类的深度模糊核聚类（deep kernel fuzzy C-means，DKFCM）算法，实现对洋底锰结核高光谱图像的无监督聚类。方法 DKFCM由随机深度卷积网络（Rdnet）及改进的模糊核聚类算法两大模块组成。Rdnet通过降维、随机图块卷积及非线性激活操作的循环，实现对高光谱图像浅层及深层特征的提取，融合这两类特征作为后续聚类识别的输入。改进的模糊核聚类算法先用欧氏距离计算初始聚类中心，再用模糊核聚类的方法以实现海洋资源的准确分类。结果 实验结果表明，DKFCM无监督聚类能有效聚类洋底资源，对锰结核的聚类准确率达到76.59%，相比单用K-means聚类提高了20.99%，相比经Rdnet提取特征后再用K-means聚类提高了13.76%，对比实验表明DKFCM算法在无标签数据的情况下也能达到良好的准确率。结论 本文所提的高光谱深度模糊核聚类方法，实现了深海锰结核的无监督聚类，可以用于海洋资源量的评估。     

基于改进RX算法的高光谱异常检测

针对RX算法中局部背景协方差矩阵估计的局限性,提出一种改进的RX (I-RX)异常检测算法。基于奇异值分解(SVD),将高光谱图像投影到背景的正交子空间上,获得仅包含噪声和异常的残留图像。在此基础上,通过计算各样本的空间秩深度将残留图像划分为噪声背景和潜在异常两个样本集,利用噪声背景集估计整幅图像的背景协方差矩阵,并将潜在异常集作为测试样本进行异常检测。对模拟数据和真实高光谱数据进行了实验仿真,ROC曲线表明,在相同的虚警概率下,I-RX算法的检测概率相较于RX平均提高了2倍左右。     

基于空谱特征稀疏表达的治安风险检测文献综述

文章指出治安风险是在一定地域范围内,由治安秩序紊乱导致安全损失的一种未来情景.当前科技飞速发展,治安形势的复杂程度前所未有,亟需运用新的技术新手段深化风险认识,提高对治安风险的感知能力.利用有效的高光谱遥感辅助技术手段,可以探索针对偏僻地区,以专业载荷为基础的遥感治安风险预测路线,为科技强警走出一条新路.     

基于光谱加权低秩矩阵分解的高光谱影像去噪方法

高光谱遥感影像在获取和传输过程中会受到各种类型噪声的污染,不仅降低影像质量,也限制了其后续应用的精度。高光谱影像噪声类型复杂多样,且噪声在不同波段上的强度也并不相同。通过引入光谱域上的权重矩阵,文中提出了一种基于光谱加权低秩矩阵分解的高光谱遥感影像混合噪声去除方法,利用光谱权重矩阵均衡不同波段的噪声强度差异性。为进一步将噪声与纯净影像分离,利用加权核范数最小化来约束纯净高光谱影像的局部低秩结构,并利用交替方向乘子法对所提出的模型进行优化求解。通过对模拟与真实高光谱遥感数据的实验,验证了所提方法的有效性与优越性。     

分子Faraday旋光红外滤波成像技术研究

分子Faraday旋光红外滤波成像器件是一种具有梳状离散透射谱的新型滤波器件。该器件透射光谱由分子能级跃迁决定,因而同时具备高光谱分辨能力及高光学稳定特性。通过顺磁性分子的Faraday旋光效应研究,建立分子Faraday滤波器件的理论模型,并利用量子级联激光光谱技术对滤波器件进行了谱型测试;探讨该技术在红外成像探测系统中的应用,进行基于Faraday旋光红外滤波成像技术的燃烧诊断初步试验,获得了燃烧环境中不受H₂O红外辐射影响的纯NO图像。试验结果表明, Faraday旋光红外滤波成像技术在红外成像遥感探测,尤其是燃烧系统微量成分探测中具有较强的实用性和明显的优越性。     

CUDA架构下高光谱图像光谱匹配的快速实现

针对高光谱图像数据量大,光谱匹配计算耗时长的缺点,提出一种CUDA架构下的高光谱图像光谱匹配快速实现方法。首先,在分析高光谱图像特点的基础上,介绍高光谱图像光谱匹配的一般方法;其次,介绍CUDA架构及其特点,依据CUDA架构的特点,将通常的高光谱图像存储格式进行重新组织,并将参考光谱存储在共享内存中,以达到快速访问的目...