高光谱图像的分布式压缩感知成像与重构

根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的20%时,重构的平均信噪比提高了10dB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星载或机载的高光谱压缩感知成像。     

基于集成成像技术的零件孔径位置检测

针对利用霍夫圆检测方法很难定位大尺寸零件上所有孔径位置的问题,本文提出了一种将集成成像技术与霍夫圆检测算法相结合的非接触式测量方法.首先,根据经典成像理论提出了一套集成成像信息获取算法.其次,利用二维平移台和CCD相机搭建了相机阵列实验装置.系统工作时,相机采集的元素图像阵列,可以通过霍夫圆检测和坐标获取算法来实现零件孔径位置的定位.基于上述理论进行了验证实验,结果显示,零件孔径位置的检测误差在0.3mm以内.该方法为集成成像技术应用于高精密位置检测提供了有效的理论支持.     

加权空-谱与最近邻分类器相结合的高光谱图像分类

提出了一种基于加权空-谱距离(WSSD)的相似性度量方法 ,并将其应用到最近邻分类器(KNN)中,导出了一种新的高光谱图像分类算法。该算法利用高光谱图像的物理特性,通过引入空间窗口和光谱因子这两个参数来挖掘出图像中的空间信息与光谱信息,利用空间近邻点对中心像元进行重构。在最大限度减少图像冗余信息的基础上,增大了同类像元间的相似性以及异类像元间的差异性,获得了更为有效的鉴别特征,从而更好地实现了数据间的相似性度量。基于Indian Pines和PaviaU高光谱数据集进行了实验,结果表明:将提出的WSSD-KNN算法应用于高光谱图像分类时,其分类精度高于其他算法,总体分类精度分别达到了91.72%和96.56%。由于算法较好地融合了图像中的空间-光谱信息,提取出了更为有效的鉴别特征,故不仅有效地改善了高光谱数据的地物分类精度,而且可在训练样本较少时,保持较高的识别率。     

基于约束线性判别分析的非监督高光谱影像分类方法

针对高光谱影像非监督分类问题,从特征提取的角度提出了一种用于高光谱混合像元分类的非监督约束线性判别分析算法（UCLDA）。该算法首先利用顶点成分分析（VCA）提取端元,然后用光谱角匹配方法（SAM）构造训练样本并基于约束线性判别分析（CLDA）进行特征提取,最后用最小距离法分类。整个算法实现了非监督分类。对模拟的高光谱数据和真实的遥感影像进行了仿真研究,研究结果表明．UCLDA略优于最小二乘光谱混合分析技术．但明显好干经典的井．谱角匹配分娄．     

迷彩伪装的高光谱特性分析

现代战争中,高光谱成像技术开始应用于伪装目标识别。为了加强对高光谱图像的信息挖掘,确定可以用来进行伪装识别的目标高光谱特征,对高光谱成像条件下的迷彩伪装特性及影响伪装效果的因素进行了综合分析。在光谱维,从高光谱图像中直接提取光谱曲线,确定了图像对比度高、迷彩伪装特征明显的光谱波段为650⁷40nm、780740nm、780⁸00nm。利用光谱角进行相似度计算,分析了阴影对光谱曲线的影响。在空间维,通过主成分分析和灰度共生矩阵的计算,得出了迷彩伪装纹理具有均匀性好、相关性强、复杂程度低等特点。研究结果为迷彩伪装的设计及识别提供了理论参考。     

用于大气临边探测的高光谱成像仪研制

用于大气临边探测的高光谱成像仪是一种探测大气痕量气体的新型空间光学遥感仪器。分析了利用高光谱成像仪进行大气临边探测的原理,设计并研制了一台紫外/可见高光谱成像仪原理样机,该样机光学系统由前置望远系统和改进的Czerny-Turner光谱成像系统组成,工作谱段为280～390 nm和560～780 nm,通过转轮切换紫外、可见滤光片分别探测这2个波段。高光谱成像仪原理样机质量为15 kg,体积500 mm×350 mm×200 mm。对该样机的性能进行了检测并测量了低压汞灯的光谱。性能检测结果表明,空间分辨力为0.44 mrad,光谱分辨力为1.3 nm,均满足设计指标要求。该样机结构紧凑、质量小,在空间大气痕量气体探测领域有广泛的应用前景。     

Characterization of Hazardous Gases Using an Infrared Hyperspectral Imaging System

A rapid algorithm for passive remote sensing of gases with an infrared hyperspectral imaging system is reported that includes approximate and precise measurements. In the former, the spectral region of interest for the analytes is identified. In the latter, fitting calculations in the selected range and for spectral similarity measurements are employed to remove erroneous pixels from the approximate measurement to better characterize the gas sample. The results verify that the algorithm reduced the time for qualitative and quantitative determination of gases compared with conventional approaches.     

显微高光谱成像系统的设计

设计出一种基于棱镜 光栅 棱镜组合分光方式的显微高光谱成像实验系统.系统根据推帚式成像光谱仪的原理进行设计,采用棱镜 光栅 棱镜组合元件在后光学系统进行光谱分光,利用高精度载物台自动装置驱动样品进行推扫成像,选用PCI总线作为数据采集的微机接口.整个系统由显微镜、分光计、面阵CCD相机、载物台自动装置以及数据采集与控制模块等几部分组成.系统的光谱范围从400nm到800nm,120个波段,光谱分辨率优于5nm,空间分辨率大约1μm.该系统具有直视性、光谱分辨率高、结构紧凑、成本低等优点;不仅能够提供微小物体在可见光范围的单波段显微图像,而且能够获得图像中任一像素的光谱曲线,实现了光谱技术和显微成像技术的结合,成功的将成像光谱技术应用到显微领域,可广泛应用于临床医学、生物学、材料学、微电子学等学科领域.     

基于多尺度分割的高光谱图像稀疏表示与分类

针对高光谱特征的稀疏表示,提出了一种基于多尺度分割的空间加权算法用于高光谱图像分类。该算法采用更合理的邻域定义挖掘空间先验信息,优化类边缘像元的稀疏表示。首先,通过多尺度分割提供邻域空间约束;结合拉普拉斯尺度混合(LSM)先验,分别对每个邻域组内像元进行空间加权的稀疏表示。然后,采用概率支持向量机(SVM)分类,同时提供像元的分类标签及其置信度。最后,以此置信度为权重,对多尺度分类图进行加权融合,生成最终的分类图。实验显示,本文算法能够增强光谱特征表示的稀疏性和鲁棒性,提高总体分类精度;在小样本训练下,单类的分类精度可提升30%左右,表明该算法在高光谱应用中具有较强的实用性。     

近红外光谱成像分析技术的应用进展

近红外光谱成像是近年来快速发展起来的一种新的分析手段,尤其在化学成分分析和污染物的空间分布测定方面,近红外图像技术具有实现快速、无损、原位、在线分析的特点。通过近红外图像不但能够得到生物组织和化学成分的清晰轮廓和分布信息,而且可以通过化学计量学方法实现对特定目标成分的定性和定量分析。本文简要介绍近红外光谱成像技术的原理、应用和发展特点,图像光谱的前处理方法,图像提取所需化学特征信息的化学计量学算法,以及近红外成像分析技术在医药领域,农业和食品等领域最新的应用和研究进展。     

马铃薯晚疫病害的高光谱图像空谱对比研究

为了快速检测马铃薯晚疫病,采用高光谱成像技术对马铃薯晚疫病的空谱信息进行对比研究以得到最佳判别手段。使用高光谱相机采集病害侵染0～6 d的高光谱图像,同时选取第6 d典型晚疫病病害的高光谱数据作为研究对象。采用二阶导数结合主成分分析和二次主成分分析分别从光谱和空间两个方面进行特征提取,之后基于特征波段反射率和主成分图像灰度值建立K最近邻分类算法、BP神经网络、决策树算法3种识别模型对不同时期病害进行识别。实验结果表明:基于二次主成分图像的灰度值结合BP神经网络建立的模型对马铃薯晚疫病的识别具有良好的成效,其识别率达96.6%。利用主成分图像灰度值建立的3种模型既减少了波段的冗余又提高了识别率,为研究和开发实时在线检测仪器提供了参考。     

一种稳健的高光谱图像压缩方法

提出了一种稳健的高光谱图像压缩技术。估计原始数据的虚拟维数,继而采用一种非监督的正交子空间投影技术提取端元矢量,构成矩阵作为快速独立分量分析的初始化混合矩阵,进行ICA变换。对变换后的独立分量图,采用二维分层树集合分裂进一步压缩编码。计算机仿真结果表明,该压缩算法在取得40∶1压缩比的同时,能有效地保持数据,尤其是小目标和异常的谱向特征,是一种高效的三维数据压缩方法,可有效地应用在小目标检测及异常检测中。     

基于背景判别与邻域补偿的高光谱异常检测

为克服高光谱局部异常检测算子背景虚警严重,探测效果不佳等问题,提出了基于核光谱角背景判别与邻域补偿的异常检测算法。算法从背景像元的筛选和探测结果的补偿两个角度提高像元探测精度,在背景像元的处理方面,提出了一种基于核光谱角距离相似度的背景像元筛选算法,将光谱分辨性能更强的核光谱角引入背景差异性判别过程,准确可靠地实现局部背景像元的筛选和优化;同时,针对异常检测算子探测精度不高等问题,引入邻域加权的空谱联合补偿机制,并提出基于核光谱角距离相似度的动态模板卷积补偿算法,显著增强了背景与目标的可分性。在与RX、LRX、KRX和CRD等异常检测算法的对比中发现,该算法表现出较强的探测性能,在抑制虚警和提高探测精度等方面达到了不错的效果。     

轻小型高分辨率星载高光谱成像光谱仪

在小型化成像光谱仪的研制和应用中,如何同时实现轻量化、高地面分辨率和高信噪比是目前亟待突破的技术难题。本文通过将线性渐变滤光片分光技术和数字域时间延迟积分技术相结合,并对镜头进行紧凑化处理,设计了一款工作波段为403~988 nm、平均光谱分辨率为8.9 nm、系统总质量为7 kg的轻小型星载高光谱成像光谱仪。仿真和实验结果表明,该高光谱成像仪能在500 km轨道上得到刈幅宽度为50.5 km、地面分辨率为10 m的高光谱图像,且图像信噪比良好。该成像光谱仪可为微纳卫星获得高分辨率的高光谱图像提供技术支持,推动了我国高光谱遥感探测技术的发展。     

基于内容的高光谱图像无损压缩

提出了一种基于内容的高光谱图像无损压缩算法.采用自适应波段选择算法对高光谱图像进行降维,引入G-means算法对降维后的光谱矢量进行无监督分类.利用单调后向排序算法确定波段的预测顺序,并根据相邻波段的相关系数大小进行自适应波段分组.针对每一类地物,选取类内部分像素进行最优预测系数的训练,采用多波段线性预测的方案去除同类像素的谱间相关性,预测残差进行JPEG-LS无损压缩.对机载可见光/红外成像光谱仪(AVIRIS)与实用型模块化成像光谱仪(OMIS)获取的高光谱图像分别进行实验,并与未进行分类预测的算法比较.结果显示,提出的算法的平均压缩比分别提高约0.11和0.7,验证了该算法在无损压缩方面的有效性.     

Extending immunofluorescence detection limits in whole paraffin-embedded formalin fixed tissues using hyperspectral confocal fluorescence imaging

A major problem in microscopic imaging of ex vivo tissue sections stained with fluorescent agents (e.g. antibodies, peptides) is the confounding presence of background tissue autofluorescence. Autofluorescence limits (1) the accuracy of differentiating background signals from single and multiple fluorescence labels and (2) reliable quantification of fluorescent signals. Advanced techniques such as hyperspectral imaging and spectral unmixing can be applied to essentially remove this autofluorescent signal contribution, and this work attempts to quantify the effectiveness of autofluorescence spectral unmixing in a tumour xenograft model. Whole-specimen single-channel fluorescence images were acquired using excitation wavelengths of 488 nm (producing high autofluorescence) and 568 nm (producing negligible autofluorescence). These single-channel data sets are quantified against hyperspectral images acquired at 488 nm using a prototype whole-slide hyperspectral fluorescence scanner developed in our facility. The development and further refinement of this instrument will improve the quantification of weak fluorescent signals in fluorescence microscopy studies of ex vivo tissues in both preclinical and clinical applications.     

高光谱图像分类的研究进展

高光谱图像分类是利用高光谱数据图谱合一且光谱信息丰富的特点,对图像中的每个像素进行分门别类,以达到对地物目标进行高精度分类和自动化识别的目的,是对地观测的重要组成部分。在分析高光谱图像特点的基础上,本文从普通机器学习和深度学习这两方面对高光谱图像像素级分类的研究进展及效果进行总结、评述和比较,通过具体实验的结果对比,直观地展现各种算法的优劣。针对高光谱分类问题,本文从两个方面对今后的研究方向及发展前景进行了分析和展望。一方面,在算法研究上,高光谱图像分类算法可在保证分类精度的前提下降低算法的复杂度,利用多源遥感数据、多特征综合、多尺度复合,提升小样本、少参数分类模型的分类精度,适应智能化、快速化高光谱遥感对地观测的发展要求;另一方面要紧密结合市场应用需求,重视高光谱图像在实际中的应用,研究具有市场竞争力的高效分类算法,提升高光谱图像分类在遥感技术应用领域的竞争力。     

高光谱遥感岩矿识别的研究进展

分析与综述了当前高光谱遥感岩矿识别研究的进展。论述了岩矿光谱特征的作用机理以及岩矿光谱的特征测量与分析方法。归纳和总结了目前以及未来几年可用于岩矿识别的高光谱遥感探测器件和仪器的特点。对基于光谱吸收特征、完全波形匹配和混合像元分解的3类岩矿识别方法进行了归纳与对比,重点介绍了近年来这类技术的重要成果以及研究热点。最后,从理论、数据、方法以及应用4个方面对当前高光谱遥感岩矿识别面临的主要问题和发展趋势进行了剖析。作者认为,高光谱遥感岩矿识别的整体发展趋势为定性识别向定量化分析发展,在此发展过程中,混合光谱模型的建立与解混、面向岩矿识别的新型高光谱传感器的研制、岩矿信息提取的智能化以及复杂地质环境下的岩矿识别将成为研究的主要方向。     

小型Offner光谱成像系统的设计

研究了在发散光束中使用色散元件的小型Ofiner光谱成像系统,分析了Ofiner凸光栅光谱成像系统和Ofiner曲面棱镜光谱成像系统的优缺点,与传统准直光束中使用光栅或棱镜的方法相比,Ofiner光谱成像系统具有体积小、质量轻、无谱线弯曲、色畸变小的特点。给出了两种系统的设计结果,并研究了滤除二级和高级次光谱的方法,给出了与Ofiner光谱成像系统匹配的不同形式的像方远心前置光学系统,可满足微小卫星超光谱成像仪的要求。     

基于多波段预测的高光谱图像分布式无损压缩

提出了一种基于分布式信源编码的高光谱图像无损压缩算法,用于星载高光谱数据的有效压缩.为充分利用高光谱图像较强的谱间相关性,引入多波段谱间线性预测方案获取当前编码块的预测值,有效降低了编码块的最大预测残差值.在此基础上,根据最大预测残差值确定编码块各像素所属陪集的索引,通过传输每个像素所属陪集的索引代替预测残差,实现高光谱图像压缩.对星载可见/红外成像光谱仪(AVIRIS)获取的高光谱图像进行实验,并与已有的典型算法进行比较,结果显示该算法能够取得较好的无损压缩效果,同时具有较低的编码复杂度,适用于星载高光谱图像的无损压缩.