基于本征模函数的高光谱数据特征提取方法

针对基于参数估计的特征提取方法高光谱数据维数高参数估计偏差大、细节光谱信息易丢失等问题，引入经验模式分解理论，提出了基于本征模函数的高光谱数据特征提取方法。该方法通过计算光谱特征的最大最小值以及均值得到本征模函数，从而得到反映高光谱数据的不同尺度的光谱波形波动信息，即吸收特征信息，并将高光谱数据投影到本征模函数空间，从而实现高光谱数据中不同物质属性光谱特征提取。利用航空推扫式成像光谱仪数据进行方法性能分析与验证，试验结果表明该方法不需要进行统计参数估计，避免了高光谱数据协方差的奇异性和参数估计不准确的影响，并较好地保留了数据提供的所有信息，增大了数据类间可分性。     

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。     

基于奇异值分解的岩心高光谱数据降噪研究

为了更有效地消除岩心高光谱数据中的噪声,提出基于奇异值分解的岩心高光谱数据降噪方法,引入奇异值下降率的概念,利用奇异值下降率单调性的突变点来确定表征信号有用奇异值的个数。用该方法对地物光谱仪ASD FieldSpec?4实地采集到的岩心高光谱数据进行降噪处理,并与依据奇异值相对强度确定奇异值突变点的降噪方法进行对比,利用均方根误差(RMSE)、信噪比(SNR)两项指标对降噪效果进行评价。实验结果表明,该方法更能提高信噪比,降低均方根误差,更能有效保持原始岩心高光谱曲线的吸收特征,消除高光谱曲线上的毛噪现象。     

低秩稀疏和改进SAM的高光谱图像误标签检测

为了解决基于监督学习的高光谱图像分类算法训练样本中存在的噪声标签会降低后续的分类精度的问题, 采用了一种基于低秩稀疏表示和改进光谱角制图(SAM)的高光谱图像误标签检测算法。首先对高光谱图像中信号子空间进行预测, 根据预测到的子空间对原始高光谱图像重构并去噪; 然后通过基于归一化的光谱角制图算法来获取每一类样本间的距离信息, 得到每类样本间的光谱相似度, 并利用密度峰值聚类算法得到每个训练样本的局部密度; 最后采用基于局部密度的决策函数对噪声标签进行检测, 使用支持向量机在两个真实数据集上验证。结果表明, 该算法比先进的层次结构的高光谱图像误标签检测算法提高了1.91%的总体精度。这一结果对高光谱图像分类是有帮助的。     

随机森林结合直接正交信号校正的模型传递方法

为增强近红外光谱模型通用性,解决直接正交信号校正算法在光谱处理过程中可能出现过拟合、模型不稳定的现象,提出一种将随机森林与直接正交信号校正算法相结合的模型传递方法(Random Forest-Direct Orthogonal Signal Correction,RF-DOSC)。该方法首先利用随机森林算法进行近红外光谱波长点筛选,然后采用直接正交信号校正方法进行光谱处理并建立回归方程,由PLS计算回归系数求得模型传递矩阵。实验使用三台光谱仪(S,S1,S2)测得的玉米近红外光谱数据集建立传递模型,数据集1(D1)水分、油分、蛋白质、淀粉成分预测标准偏差(SEP)分别为0.1267、0.0982、0.1569和0.4051,数据集2(D2)四种成分的SEP分别为0.1548、0.0819、0.1366和0.3836,均小于传统方法。实验结果表明本文所提模型传递方法能有效消除光谱噪声,减小主仪器和从仪器光谱之间的差异,提高模型的稳定性和准确性,实现不同仪器之间模型的共享。     

基于热红外卫星遥感的火山灰云监测研究

热红外卫星遥感技术能够准确地进行火山灰云监测。针对火山灰云热红外卫星遥感图像,通过利用主成分分析(Principal component analysis,PCA)方法解决了热红外卫星遥感数据具有波段相关性和数据冗余问题,并提高了火山灰云的监测精度。以MODIS热红外卫星遥感图像为例,利用PCA方法对火山灰云进行监测研究,并采用USGS标准光谱数据库对监测出的火山灰云光谱特征进行验证。结果表明:PCA方法能够有效地提取出火山灰云信息,且得到的火山灰光谱特征与USGS标准光谱数据库的光谱匹配度达到了81.65%,具有较高的精度。     

基于信息论准则的高光谱波段选择方法

与传统多光谱遥感图像相比,高光谱图像是在一定波段范围内窄波段成像的,提供了丰富的光谱信息,拓展了遥感技术的应用范围,但同时存在数据含量大、波段间相关性高等问题,在进行处理时需要对高光谱图像进行降维。通过分析现有高光谱波段选择方法 ,本文提出了一种基于信息论准则的高光谱波段选择方法 ,结合波段信息熵与波段间的相关性,采用粒子群优化算法(PSO)进行波段优选,克服了采用单一使用信息量为适应度的片面性。最后使用AVIRIS图像对提出的算法进行试验,并利用支持向量机分类方法进行分类验证,总体分类精度达到91.0%。     

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。     

基于四阶累积量的波段子集高光谱图像异常检测

针对由于高光谱图像光谱和空间分布的复杂性导致核RX算法检测性能不高这一问题,提出了基于四阶累积量的波段子集非线性异常检测算法。首先先依据各相邻波段间的相关系数,将原始图像数据划分为多组波段子集;然后,利用主成分分析(PCA)构造的正交子空间对各波段子集进行背景抑制,得到图像误差数据;在此基础上,再次利用PCA提取各波段子集的特征信息,使异常目标信息集中于前面几个波段;最后,提取各子集主成分中含有最大四阶累积量值的波段,构成最优波段子集,并与核RX算法结合进行异常检测。利用真实的AVIRIS高光谱图像对算法进行仿真,结果表明,本文算法检测精度高,虚警率低,性能明显优于核RX算法。     

无用信息变量去除方法在变量选择过程中的应用

本文研究了使用主成分回归及偏最小二乘法(pls)对煤炭热解产物红外光谱数据进行变量优选,剔除无用信息变量,建立了烟气成分与光谱数据关联的数学模型,并对多组实际数据进行分析,得到了满意的结果。     

基于自适应波段聚类主成分分析和反向传播神经网络的高光谱图像压缩

高光谱遥感图像具有丰富的光谱信息,数据量大。为了能够有效地利用高光谱图像数据,促进高光谱遥感技术的发展,该文提出一种基于自适应波段聚类主成分分析(PCA)与反向传播(BP)神经网络相结合的高光谱图像压缩算法。算法利用近邻传播(AP)聚类算法对波段进行自适应聚类,对聚类后的各个分组分别进行PCA运算,最后利用BP神经网络对所有主成分进行编码压缩。该文的创新点在于BP神经网络压缩图像时,在训练步骤过程中,误差反向传播是用原图与输出作差值,再反向调整各层的权值、阈值。对高光谱图像进行波段聚类,不仅能够有效地利用谱间相关性,提高压缩性能,还可以降低PCA的运算量。实验结果表明,该文算法与其它现有算法比较,在相同压缩比下,其光谱角更小,信噪比更高。     

基于差分-主成分分析-支持向量机的有机化合物太赫兹吸收光谱识别方法

针对有机化合物的太赫兹时域光谱数据,提出了一种基于差分-主成分分析(PCA)-支持向量机(SVM)的有机化合物识别方法。基于物质样本的太赫兹时域信号计算得到太赫兹吸收光谱,对0.2～2.5 THz频率区间内的数据进行特征提取。在特征提取中,提出了基于差分数据的样本容量扩充方法,并结合PCA进行了特征的提取。利用SVM建立了提取的特征与物质类别对应关系的数学模型,并根据建立的模型对未知样本进行了识别研究。利用所提方法对15种有机化合物的太赫兹光谱数据进行了识别,正确识别率为93.33%。将所提方法与线性判别分析法及吸收峰频率-幅值法进行了对比,结果表明基于差分-PCA-SVM的有机化合物识别方法的正确识别率最高。     

基于PROSAIL模型的高光谱遥感图像模拟研究

针对高光谱图像数据难以获取的情况,提出了一种基于PROSAIL辐射 传输模型的高光谱图像模拟方法。首先,对PROSAIL模型的输入参数进行了敏感性分析。以 此为基础,针对5个典型生化参数(叶片结构参数N、叶绿素含量Cab、叶片干物质含量Cm、类 胡萝卜素含量Car和叶面积指数LAI),基于支持向量机构建了一种基于多光谱数据的参数计算模型。其 次,根据得到的典型生化参数图,通过利用PROSAIL模型逐像元计算获得了高光谱模拟图像。 对HJ1A环境卫星的CCD1多光谱图像数据进行了实验,实现了高光谱图像数据模拟。在将等效计算后的模拟结果 与HJ1A CCD1多光谱图像数据进行对比后发现,两幅图像对应波段的 平均结构相似度都超过了95%;除了蓝光波段之外,全图的相对误差均小于10%。结果表明,本文方 法可以很好地实现基于多光谱数据的高光谱图像模拟。     

苹果近红外光谱的预处理

原始近红外光谱数据含有大量的噪声信号和较大的数据量,所以在进行光谱数据分析之前对光谱数据进行预处理是非常必要的。近红外光谱数据的预处理主要有两个任务,一是降噪,提高模型的稳健性和预测结果的准确性;二是数据压缩,以便于数据的存储,提高建模速度。传统的近红外光谱数据预处理方法各有局限,很难在这两方面都得到令人满意的效果。将小波分析用于苹果近红外光谱数据的预处理,并选取峰值信噪比(Peak Signal to Noise Ratio, PSNR)和归一化相关系数(Normalized Correlation, NC)作为评价指标。与常用的Savitzky-Golay平滑滤波和多元散射校正相比,小波方法不仅能有效地实现数据压缩,而且在噪声去除和光谱细节保持等方面都具有优势。}     

InP中钒光谱的研究

1.引言近来,人们认为钒在 InP 中起深施主的作用。这些结果是由深能级瞬时光谱(DLTS)和深能级光学光谱(DLOS)的测量而得到的。DLOS 测量结果表明处于激发态的离化施主空穴与价带共振。为了得到更精确的离化施主数据,作者对 InP:V 材料进行了光     

基于光谱角背景纯化的高光谱异常检测算法

为了解决利用高光谱图像进行异常检测时结果不准确、虚警率较高的问题,提出了一种基于光谱角背景纯化的异常检测算法。该算法以局部RX算法为基础,根据光谱角距离分离出内外窗口间背景像元中的异常成分,得到纯化后的背景像元,然后进行异常检测。为验证算法的有效性,选取了两组机载可见光/红外光成像光谱仪真实高光谱数据进行仿真实验,并与经典的全局RX、局部RX算法进行对比。结果表明,与局部RX算法相比,该算法在两组数据下的曲线下面积分别提高了0.0317和0.0053。这些结果为下一步的研究方向提供了参考。     

基于背景残差数据的高光谱图像异常检测算法

针对高光谱图像微小目标检测中存在的严重背景干扰问题,提出了一种基于背景残差数据的非线性异常检测算法.首先利用提取的背景光谱端元对图像各像元进行光谱解混,实现了目标信息和复杂背景信息的分离;接着将含有丰富目标信息的解混残差数据非线性映射到高维特征空间,可以充分挖掘高光谱图像波段间隐含的非线性信息,并在特征空间利用RX算子完成目标的检测,从而在抑制大概率背景信息的基础上有效地利用了高光谱图像波段间的非线性统计特性.为了验证算法的有效性,利用真实的AVIRIS数据进行了实验研究,并与经典RX算法、未抑制背景的特征空间核RX算法的检测结果相比较,结果表明基于背景残差数据的检测算法具有良好的检测性能和较低的虚警,且运算复杂度较低.     

基于平坦相干超连续谱的近红外光梳光谱技术

研究了相干度高且光谱平坦的近红外超连续谱(SC)光梳的产生以及超宽带光梳光谱的测量问题。利用掺铒光纤光梳脉冲抽运高非线性色散位移光纤,获得光谱覆盖范围为1250～1900 nm的平坦SC,并通过理论模拟和实验验证了SC的高相干性。同时,在该SC光梳源的基础上,利用傅里叶变换光谱技术,对包含HF、~(12)C_2H_2、~(12)CO、H_2O的混合气体样品进行超宽带高分辨分子光谱测量。实验得到的数据与HITRAN2012数据库模拟的结果一致,误差小于1.6%,验证了基于平坦SC光梳光谱测量多组分气体的可行性。     

支持向量奇异检测在图像有损压缩中的应用

为解决现有高光谱图像压缩方法存在的压缩比与恢复信息准确性的矛盾,提出将结合空间信息的支持向量数据描述(SVDD)奇异检测算法用于压缩,首先根据光谱相似性进行空间聚类实现区域分割,大块区域像元光谱取均值作为背景光谱,用SVDD算法检测与局部邻域背景不同的小目标,接着对背景和小目标光谱数据进行无损压缩,最后对整个数据立方体进行大比例有损压缩.HYMAP高光谱图像的仿真结果表明,压缩比可达50:1,重要和主要信息得到有效保留.     

利用背景残差数据检测高光谱图像异常

针对高光谱图像微小目标检测中存在的严重背景干扰问题,提出了一种基于背景残差数据的非线性异常检测算法.首先利用提取的背景光谱端元对图像各像元进行光谱解混,实现了目标信息和复杂背景信息的分离;接着将含有丰富目标信息的解混残差数据非线性映射到高维特征空间,可以充分挖掘高光谱图像波段间隐含的非线性信息,并在特征空间利用RX算子完成目标的检测,从而在抑制大概率背景信息的基础上有效地利用了高光谱图像波段间的非线性统计特性.为了验证算法的有效性,利用真实的AVIRIS数据进行了实验研究,并与经典RX算法、未抑制背景的特征空间核RX算法的检测结果相比较,结果表明基于背景残差数据的检测算法具有良好的检测性能和较低的虚警,且运算复杂度较低.