基于反射光谱成像的相似异物检测新方法

针对现有方法进行相似异物检测时成本高、效果差等问题,提出一种基于优选波长反射光谱成像技术的相似异物检测新方法.该方法利用建立的波长优选函数,分析了近紫外一可见一近红外离散波段中异物与背景灰度差随波长变化规律,筛选了区分多个异物与背景的最佳光照波长,以此构建反射光谱成像检测系统.根据最佳波长反射成像系统来获取相似异物特征,同时,根据二值化自适应阈值来对异物提取图像进行处理.以棉花中的白色丝状异物为对象对该方法进行实验,结果表明,在反射光照系数为0.74时,该方法对相似异物的检测率达到94％.     

基于优化多光谱成像的异物检测新方法

为有效检测棉花中与棉纤维形态、色泽极其相似的异物,提出一种基于优化多光谱成像的异物检测新方法.在分析不同异物具有不同反射特性的基础上,在405~940 nm的波段范围内建立优化多光谱成像系统.通过实验确定了用于检测多种异物的最佳检测波长及最佳光照强度,在不同的光照条件下获取不同的光谱图像,然后采用小波变换图像融合算法获取完整的异物图像特征.实验结果表明,两种波长405 nm和850 nm构成的多光谱图像融合可检测多种棉花异物,异物检测结果与实际相符.此方法为解决棉花异物检测难题提供了一种新的途径.     

基于同色异谱的异物检测新方法

针对复杂背景中异物检测难题,提出了一种基于同色异谱特性的反射光谱图像检测方法．在分析同色异谱过程中异物与背景光照差异基础上,建立波长优选函数筛选最佳波长的反射光源构建成像检测系统．以棉花中的白色丝状异物作为实验对象,利用最佳波长反射成像系统获取异物图像特征,采用背景校正及自适应阈值二值化处理提取异物目标．实验结果表明,该方法能有效检测背景中的相似异物,为棉花异物检测提供了一种新思路．     

棉花中异性纤维的多光谱检测

为有效检测棉花中与棉纤维形态、色泽极其相似的异性纤维杂质,提出一种利用多波段光谱信息融合成像检测的新方法。针对6种肉眼极难识别的异性纤维:无色塑料、黄麻、编织袋、白头发丝、白羊毛、猪鬃在7个离散波段光谱中的反射特性,获得不同波段光谱图像中异性纤维与棉纤维的图像特征差别,由此确定检测各异性纤维的最佳光谱波段。采用基于区域信息相关度权值小波分析算法将多个波段的图像进行融合,得到具有完整异性纤维特征信息的单幅杂质图像。实验结果表明,在多波段光谱融合图像中,异性纤维灰度、形态特征明显,可有效识别棉花中异性纤维杂质。     

水果成熟度的高光谱成像无损检测研究

水果成熟度作为衡量水果品质和等级的一个重要指标,区分不同成熟度的水果可以降低水果在采摘、包装、储存、运输等物流环节的损失率.高光谱技术是一种新型光谱技术和计算机视觉融合技术,它可以从图像维和光谱维对水果的综合品质进行评价.分析了国内外将该技术应用于水果成熟度检测方面的研究进展,提出了利用高光谱图像技术检测枣和梨成熟度的方法,利用不同成熟度的水果在可见光及近红外波段的反射率,初步确定了利用高光谱成像技术检测枣和梨2种水果成熟度的有效特征波长.     

润滑油的太赫兹波段光学与光谱特性研究

采用太赫兹时域光谱（THz-TDs）测试和近红外光谱测试相结合的方法,研究了不同种类的润滑油在0.3-1.6THz波段的光学性能和光谱特性。实验结果得到润滑油在太赫兹波段比在近红外波段更具有吸收活性,不同种类的润滑油可以根据其在太赫兹波段的特征谱进行鉴别。太赫兹时域光谱技术在润滑油分析领域的应用表明,该技术将在石油领域产生重大影响。     

基于上下文多字典学习的高光谱波段选择

高光谱图像存在大量冗余信息,波段选择是一种有效的减少冗余、降低光谱维数的方法.提出一种基于上下文多字典学习的高光谱图像波段选择算法.该算法使每个波段的图像都可以通过其他波段图像的线性组合来近似表示,而且能够保证相邻波段图像具有相似的性质.同时通过稀疏求解方法求出每个波段对应整个原始图像的权重,便可按照权重来选择波段.实验结果表明,该算法相对其他波段选择算法具有良好的技术性能.     

基于像素空间相关度的微光双谱图像实时配准

针对目前不同光谱波段图像配准算法复杂、精度低和实时性差的问题,该文提出了基于像素空间相关度的双通道图像融合效果评价方法,将该指标用作实时图像配准的控制参数,在基于DM642的视频图像实时处理仿真平台上,对微光双谱图像进行了实时配准.实验结果表明:与常用的基于控制点、边缘等图像配准算法相比,该文提出的实时配准方法准确、有效,且不受图像灰度变化、噪声及不同微光成像波段成像器的光谱响应特征的影响.     

塔里木河流域中下游典型地物光谱变化规律

由于塔里木河流域中下游距离河道在垂直向的差别,以及气候与人为因素的影响,使植被的空间分布具有异构性.典型地物光谱变化的研究为中下游生态环境的遥感监测提供了基础,实验研究表明:绿色全荣植物中,棉花由于其具有明显绿峰、水分吸收谷和近红外的高反射峰而更加容易识别,其他植物主要差别则集中在550,680,1420 nm附近的反射峰、吸收谷和1920～2500 nm之间的反射率;与绿色植被相比,枯枝的光谱在可见光部分的绿峰和红光吸收谷不明显,但在可见光部分波形有所差别,而与流沙土壤光谱相比,各波段反射率变化较大;对比不同荣枯比例的植物光谱发现,同一种植物随着荣枯配比的变化,除可见光绿峰、近红外反射峰和各水分吸收谷变化外,最明显的是在近红外1420～1820 nm之间和短波红外1920～2500 nm之间反射率随着枯枝的比例增加而明显升高;关于土壤光谱,中下游各断面占主要类型的流沙土光谱相差不大,但是盐碱土和含有一定水分的盐碱土则变化较大,而且反射率基本低于流沙土,结壳土则除在近红外和短波红外部分变化更加平缓而有所差别外,其余波段接近流沙土;同样的土壤背景下,近红外和短波红外部分反射率的差别能够在一定程度上反映覆盖度的变化.     

基于区域的多光谱图像无损压缩

针对多光谱图像的冗余特点,提出一种多方式预测的多光谱图像无损压缩方法.多光谱遥感图像每一波段的图像本身存在空间冗余.不同波段图像之间存在谱间冗余.由于不同波段的成像对象是同一地域,具有相同的物理结构,虽然同一空间位置不同波段的像素值相差很大,但其与邻域的关系却是很相似的,同类地物在图像中占据一定区域,在不同的波段具有相似的纹理.因此,首先选择基于区域生长的分-合算法将多光谱图像分割成若干块互不重叠的均匀子区域;又由于各个子区域的纹理不同,因此对不同区域采用不同的预测方式,从而最大程度去除冗余;同时利用谱间结构相关,令各波段相同区域选用相同的预测方式,共享预测方式图可使多方式预测导致的附加存储代价大大缩小.实验结果表明了该方法的有效性.     

利用多颜色空间特征融合方法检测近似目标

以棉花中羊毛、白头发、塑料膜等杂质的检测为应用背景,提出一种利用多颜色空间特征融合方法。该方法构建了颜色特征评价函数,对近似目标在不同颜色空间的特征表现进行评估,从中抽取近似目标的若干最优特征;再利用区域信息相关度权值小波分析算法进行多特征融合,获取近似目标的图像。实验结果表明,融合图像比原始图像及单色空间图像具有较高的图像信息量值,近似目标视觉特征明显增强。此方法为提取与背景特征相近的近似目标提供一条新思路。     

天空背景红外图像仿真

为了使天空背景辐射强度光谱分布最终生成红外探测器焦平面上背景辐射功率分布图像,需要对天空背景辐射各影响因素进行分析,建立准确的背景辐射到探测器光学系统焦平面的辐射能量传输模型.本文利用MODTRAN软件计算不同天候条件下的天空背景辐射强度光谱分布,建立了背景辐射到探测器光学系统焦平面的辐射能量传输模型,给出了天空背景在焦平面上的辐射功率计算方法,利用天空背景辐射功率分布生成其红外图像.最后编写了仿真软件,生成不同天候天空背景图像,并与红外热像仪拍摄的天空背景图像进行了比对,其变化趋势有较高的一致性.     

古遗址目标提取方法研究

目的研究根据获取的遥感信息从背景"影"像中有效识别和提取文物遗存的方法。方法分析研究区遗址影像波谱特征基础上,运用高光谱分析技术获得已知遗址目标波谱曲线,最终利用约束能量最小化(CEM)算法,从背景地物中分离遗址目标。结果当遗址与周围背景物性差异明显,引起明显的光谱异常时,CEM算法能够基于真实的物理模型进行波谱提取、识别和探测古遗址目标。结论 CEM算法提取古遗址信息是可行性强的一种方法,且识别效果与MNF变换后图像的维数有关,选择特征值较大的波段组合参与CEM运算,能有效地避免噪声对目标探测的干扰,使得探测率提高。     

基于分维像的红外弱小目标检测方法

针对红外图像的特点及分形分维的特性,提出了基于分维像的红外弱小目标检测方法.用滑动窗口在红外图像上滑动,根据分形布朗运动计算出窗口分维作为该窗口中心像素的分维,这样就可以计算出图像每一像素的分形分维,并以此为元素构造成分维像.在分维像中,人造目标的分维值小于自然背景的分维值,适当地选取阈值就可以把目标检测出来.实验结果表明,用分维像的方法检测红外目标可以取得很好的效果.     

基于红外光谱成像的危险气体泄漏检测技术综述

危险气体检测技术是石化等企业安全生产的必要保障之一,在工业生产中有着重要的作用。本文首先比较了现有气体检测技术的优缺点,明确了基于分子吸收光谱的红外成像技术在危险气体检测中具有适用于远距离监测、可对浓度进行分析的优势,进而为泄漏检测提供了可行的解决方案;其次介绍了红外光谱成像技术的检测原理与硬件构成;接下来列举并分析了泄漏气体图像可视化及气体浓度分析的相关研究;然后分析了基于红外图像分析技术的气体泄漏自动检测算法,并分别对传统的基于图像处理的方法与深度学习算法的发展现状及其存在的问题进行了深入的分析;最后对红外光谱成像技术难点与发展趋势进行了总结。     

基于无字典模型的红外与可见光图像融合分类

针对传统图像分类识别方法采用单一传感器获得图像存在的局限和不足,提出了一种基于红外和可见光融合的分类算法。首先分别对红外图像和可见光图像提取密集型尺度不变特征变换（D-SIFT）,然后采用无字典模型（CLM）变换,并利用空间金字塔匹配（SPM）进行精细划分,最后用混合核支持向量机（SVM-CK）方式将红外和可见光在特征级融合并分类。在VAIS和RGB-NIR两个数据库上对该方法进行验证,融合后分类精度分别比单一图像源均有较大提高;与BoVW方法比较,精度分别提高了4.7%和12.1%。证明多数据源融合的方法综合了红外和可见光各自成像的优势,使获得的特征信息更完善,分类效果显著高于单一数据源的分类结果。     

复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理.根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤 波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位.实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪.     

近红外高光谱大米典型特征提取分类识别

针对大米近红外高光谱特征轮廓不清导致有效信息损失与有损化品质检测的问题, 提出一种基于掩膜下能量泛函活动轮廓波的大米高光谱典型特征区域提取算法组合模型. 该方法对目标样本形态学区域与几何形心点进行高光谱谱段信息对比寻优建模, 对4个产地、3种品质大米进行泛化性可视判别. MATLAB实验结果表明, 对不同品质大米典型特征区域的光谱信息进行建模对比, 形态学感兴趣区域识别准确率更高, 泛化预测集精度为94.84%, 优化了近红外高光谱大米典型特征区域择优建模问题, 实现了大米快速无损化品质检测.