矿物光谱特征谱段识别方法与应用

 矿物光谱识别所使用的光谱参量在不同影响因素下的稳定性对矿物识别效果影响很大。基于特征谱段峰谷相关系数法,提出了高光谱矿物识别的新算法,建立了提取稳定光谱参量（峰谷位置）的数学模型和操作流程。该算法通过提取矿物参考光谱峰谷的位置,计算矿物特征谱段的峰和谷与待测矿物光谱相应谱段的相关系数,并以此作为比较矿物光谱相似程度的主要依据。以甘肃北山方山口地区拾金坡金矿床为例,研究并比较新算法与典型算法的蚀变矿物识别。结果表明,本文算法的正确识别率为85%,较典型算法有更好的识别效果。     

可见光——近红外光谱矿物信息提取预处理技术

地物光谱特征研究是高光谱图像处理的基础,受观测环境的影响,野外测量的光谱数据中包含有噪声,不利于光谱矿物信息提取工作的进行.本文从光谱矿物信息提取的角度出发,探讨出一套光谱数据预处理流程.比较了小波降噪和Savitzky－Golay降噪的优缺点,实验表明,Savitzky－Golay方法更适合光谱降噪处理.在实际应用中,发现当前常用包络线算法存在一些局限性,在此基础上提出了一种改进的包络线算法.     

哈姆林甜橙叶片锰锌缺乏症状的高光谱识别

柑橘树锰、锌等缺乏问题普遍存在,但其症状有时不易识别,不利于对这些微量元素丰缺与否的诊断和有针对性的矫治．采用高光谱成像技术,研究了哈姆林甜橙叶片不同程度缺锰、缺锌症状的光谱响应特征及差异,对Fisher线性判别分析和最小二乘支持向量机两种识别模型的识别精度进行了比对分析．结果表明,利用高光谱原始全光谱反射率,结合最小二乘支持向量机建立叶片缺锰、缺锌症状识别模型,其建模集识别精度达91.88％,预测集识别率可以达到90.00％;利用连续投影算法筛选的40个特征波长,建立最小二乘支持向量机判别模型,其建模集识别精度为90.00％,预测集识别精度也达82.50％．表明基于高光谱成像技术对柑橘树缺锰、缺锌的准确识别是可行的,为高光谱成像技术应用于柑橘树缺素症的快速无损识别奠定了基础．     

一种面向高分五号高光谱影像的云检测算法

云层覆盖影响高光谱影像的质量,降低了影像的应用价值,因此云检测已成为高光谱影像应用需首要解决的问题之一。本文针对GF5高光谱影像特点,提出视觉彩色特征和云物理光谱特征相结合的云检测算法。基于原始DN值影像,利用云的HSV色彩空间分布特征,结合云与典型地物的光谱特征差异,构建出云概率影像,动态设定云检测阈值,实现GF5高光谱影像的云检测。该算法整体云识别精度在90%以上,且算法执行快、自动化程度高,对不同地区、不同时间的GF5高光谱影像都有一定的适应性,便于工程化应用。     

基于集合论的光谱相似性度量及在影像检索中的应用

将高光谱遥感中光谱向量相似性度量转换为相应的集合相似性度量,提出了两种适用于光谱的相似性度量方法,即基于光谱多边形面积和基于特征波段位置匹配度量.实验结果表明,基于光谱多边形的方法能够更有效地综合应用反射率和波长二维信息,有效度量光谱向量相似性.     

基于随机森林算法的航空高光谱数据分类方法研究

高光谱数据具有光谱范围广,光谱分辨率高等优势,可以用于不同地物的分类识别,为近年来遥感领域的研究热点。采用随机森林算法对机载高光谱数据进行了地物分类识别研究,首先选取不同种类的地物样本,并对每类样本打上类别标签,每个像素包含的波段数即为样本的特征数,送入随机森林分类器进行训练;然后将训练好的分类器对待分类的高光谱影像数据进行分类,待分类的数据初始化为统一的类别标签;并根据袋外数据自变量的扰动对分类精度的影响,计算不同波段特征对分类效果的重要性系数。实验采用C++语言结合Intel Open CV计算机视觉库,编写了高光谱影像分类识别程序,对机载AISA高光谱传感器获取的甘肃省张掖市农村与城市影像数据进行分类,结果表明本文算法具有较高分类精度和可靠性。     

分块噪声自适应高光谱图像去噪算法研究

高光谱图像在获取过程中容易产生噪音,从而影响了地物空间信息的识别。噪声去除是高光谱图像处理十分必要的步骤。结合低秩矩阵分解理论,在传统奇异值阈值方法的基础上提出基于分块的噪声自适应遥感去噪方法。实验结果证明,该方法运算速度快,并能够有效去除缺失值造成的死线噪声以及高斯噪声,在平均峰值信噪比(MPSNR)和平均结构相似性(MSSIM)上优于Godec算法。     

高光谱数据CASI信息提取的空间尺度效应

从光谱、空间和频域角度,研究了高光谱机载数据CASI在信息提取时所表现的空间尺度效应,基于变航高法获取的数据,对比分析了3种方法对5类典型目标提取的效果,并对信息提取精度进行了定量评价.得到了总体精度评价、5类地物最佳信息提取方法与尺度的确定和3种信息提取方法的针对性等3个结论.成果不仅对于指导数据获取时的航高航速设计具有重要意义,而且对于掌握精细化、定量化、专题化提取某类地物时尺度效应和提取方法的相互关系,都具有重要的参考价值.     

遥感岩性识别研究进展与展望

综述遥感岩性识别的岩石光谱学机理与岩石光谱特征,总结目前常用的遥感岩性信息提取方法.认为深入研究岩石矿物的光谱学机理,不仅要测量单个矿物的光谱,分析其诊断性特征,建立和完善矿物的光谱库,更重要的是测量和研究多种矿物、岩石组成的岩性地层单位的成分与光谱的相关性特征、规律及其诊断性特征.建议我国南方遥感岩性识别研究应开展不同岩性地层单位的岩石地球化学特征与其上部覆盖土壤化学特征和植被生物化学特征之间的相关分析,寻找其对应的遥感光谱信息变化规律;加强遥感信息与非遥感信息的综合分析,探索对新的高空间分辨率、高光谱分辨率的其它遥感信息的岩性识别方法.     

基于改进的最小二乘支持向量机的高光谱遥感图像分类

支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法.核函数是支持向量机的核心,核函数分为局部核函数与全局核函数两大类,不同的核函数将产生不同的分类效果.核函数也是支持向量机理论中比较难理解的一部分.在基本核函数中引入光谱匹配识别中的典型方法--光谱角度匹配法(SAM法),兼顾到光谱亮度与光谱向量方向的距离测度,结合最小二乘支持向量机,通过与传统SVM分类方法的比较,证明这种方法的有效性.     

SAM权重法在端元提取中的应用

高光谱遥感的出现使得在宽波段遥感中不可探测的物质能被探测。获得的高光谱数据大都具有数据冗余度高、信噪比低等特点。文章通过idl编程实现高光谱数据的特征提取并利用其做了端元提取流程与光谱解混,及权重法SAM端元提取、混合光谱分解模型及实现。利用SAM权重法能够完成端元提取并最终得到的解混结果。     

基于PHI高光谱影像的植被光谱特征应用研究

探讨了植被冠层的光谱反射特征和诊断性光谱吸收特征。从连续统去除的光谱吸收特征中获得了波段深度、连续统去除后微分反射比、波段深度比和归一化波段深度指数等光谱特征变量。应用染有病害的多时相小麦PHI（Pushbroom hyperspectral imager）航空高光谱影像数据，分析了小麦病害对小麦光谱的影响及其光谱特征；运用微分光谱特征分析了监测小麦病害的可能性。     

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。     

结合Gabor滤波和同质性判定的高光谱图像分类

针对传统高光谱图像分类算法多利用目标类别光谱信息而忽略空间信息的问题,提出了一种综合利用空间信息与光谱信息的分类算法．首先,利用主成分分析（PCA）和无参数加权特征提取（NWFE）分别对高光谱数据进行特征提取;然后,在PCA第一主成分的基础上进行二维Gabor滤波得到像元纹理特征,结合纹理信息与光谱信息利用支持向量机对图像分类;最后利用多尺度区域同质性判定进一步改进图像分类精度．实验表明,该算法能够消除“噪声”像元,有效地提高图像分类精度．     

基于多分类器融合的高光谱图像分类研究

针对由于高光谱图像存在数据量大、数据相关性强、图谱合一等特点导致高光谱图像分类难度较大的问题,构建一种基于多分类器融合的高光谱图像分类模型.该模型首先使用双边滤波算法进行去噪处理,然后使用LDA算法与PCA算法相结合、单独PCA算法、Gabor滤波与PCA算法相结合三种方式分别对数据进行降维与特征提取,并分别使用SVM...     

基于自适应邻域互信息与谱聚类的特征选择

借鉴邻域粗糙集处理连续型数据的优势,为解决传统谱聚类算法需要人工选取参数的问题,提出基于自适应邻域互信息与谱聚类的特征选择算法。首先,定义各对象在属性下的标准差集合与自适应邻域集,给出自适应邻域熵、平均邻域熵、联合熵、邻域条件熵、邻域互信息等不确定性度量,利用自适应邻域互信息对特征与标签的相关性进行排序。然后,结合共享近邻自适应谱聚类算法,将相关性强的特征聚到同一特征簇内,使不同特征簇内的特征强相异。最后,使用最小冗余最大相关技术设计特征选择算法。在10个数据集上选择特征个数与分类精度的实验结果,验证了所提算法的有效性。     

基于图像特征的铜粗选过程病态工况识别

泡沫图像特征是指泡沫图像中与浮选性能相关的局部黑色水化区域大小,即局部光谱特征.针对这一局部光谱特征形状、大小无规则性,提出了一种基于多维主元分析的特征提取方法,并将提取的特征应用于铜浮选粗选过程病态工况识别.首先,描述了铜浮选粗选过程,分析了影响粗选过程的主要因素和黑色水化区域形成机理;然后,提出一种基于多维主元分析的图像局部光谱特征提取方法;最后,将基于多维主元分析的图像局部光谱特征提取算法应用于铜浮选粗选泡沫图像,并将所提取的图像特征用于铜粗选病态工况识别.工业现场数据验证了所提方法的有效性.