基于POCS的高光谱图像超分辨率方法

高光谱图像得到了越来越广泛的应用,但较低的空间分辨率严重地影响着它的应用效果,其超分辨率方法受到学术界的高度重视,但一直没有得到很好的解决.为此,建立低分辨率资源图像与高分辨率目标图像之间的关系模型;引入关联感兴趣光谱端元的算子进行空间变换;应用凸集投影(POCS)算法实现超分辨率复原.实验表明,该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强和保护感兴趣类别等优点.     

近红外光谱技术检测农产品农药残留量的研究

介绍了近年来近红外光谱分析技术在农产品农药残留分析检测技术中的应用,其中覆盖了样品预处理方法、运用化学计量学进行定性和定量检测分析技术的方法等.概述了近几年来在近红外农残检测领域的应用和研究进展.提出了结合多信息融合技术的农药残留分析技术及其发展前景.     

基于自适应波段聚类PCA的高光谱图像压缩

对高光谱图像进行有效压缩已经成为高光谱遥感领域的研究热点。针对现有高光谱图像压缩算法谱间特性利用不够充分的问题,提出了一种自适应波段聚类PCA(principal component analysis)与JPEG2000相结合的高光谱图像压缩算法。算法采用基于吸引力传播聚类的方法进行自适应波段聚类,对聚类后的各个波段组分别进行PCA运算,最后利用JPEG2000标准对所有主成分进行编码压缩。对高光谱图像进行波段聚类,不仅能更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,该算法在相同压缩比下,其信噪比、异常检测、光谱角性能相比对比算法均有所改善。     

基于小波变换的岩心高光谱特征提取及波谱匹配方法

探讨岩心矿物高光谱特征提取和快速波谱匹配的方法.将小波变换应用于岩心高光谱的特征提取,以多尺度小波系数能量值为特征表示方法,以光谱角度匹配为矿物波谱匹配方法.针对湖北省大冶市鸡冠咀铜金矿的10条实测光谱,采用光谱角度匹配方法对实测波谱与标准波谱的多尺度小波系数能量值进行匹配,得到的矿物匹配结果与钻孔柱状图中的实际矿物完全吻合,验证了该方法的可靠性.多尺度小波系数能量值可以作为岩心高光谱的波谱特征,光谱角度匹配法在岩心高光谱的波谱匹配中同样具备适宜性.     

基于迭代加权L1正则化的高光谱混合像元分解

为了提高高光谱图像混合像元分解的精度,对基于稀疏性的线性混合像元分解方法进行研究。采用一种迭代加权的L1正则化方法进行高光谱混合像元分解,给出相应的模型和算法。通过引入多步加权L1优化求解过程,且根据当前解修正下一步迭代的权值,能更好地利用混合像元丰度系数的稀疏性。试验结果表明,基于迭代加权L1正则化的高光谱混合像元分解精度比基于传统L1正则化的方法高,特别适用于信噪比较高的高光谱图像。     

基于广义形态学的高光谱图像解混算法

综合利用像元的光谱和空间信息,提出一种基于广义形态学的混合像元分解算法。引入基准像元,避免形态学算子在像元排序规则和替换准则上存在的局限性。针对图像中不同类别交界处存在的交叉替换现象,广义开-闭算子采用修正能量函数作为距离测度进行计算。端元提取之后利用全约束最小二乘法进行丰度反演。利用矿物光谱的模拟数据和真实数据进行实验,结果表明,该算法无需先验信息便可自动进行混合像元分解,分解精度较高。     

基于偏最小二乘法的土壤有机碳高光谱预测研究

对86个土壤样品高光谱数据进行平滑去噪、一阶微分变换以及多元散射校正处理,在此基础上,建立土壤有机碳含量的偏最小二乘法(PLS)反演模型.结果表明,获得的五种PLS模型均具有较高的模型精度.其中,主成份个数为10时,R+MSC的PLS模型效果最好.校正模型的决定系数R2=0.95,校正均方根误差RMSEC=0.95.验证模型的决定系数R2=0.78,预测均方根误差RMSEP=2.03.利用PLS模型对预测集进行预测,实测值与预测值的决定系数R2=0.83,预测均方根误差RMSEP=1.71,预测标准差SEP=1.73.PLS模型可以对土壤有机碳含量进行预测.     

不同物候期柑橘叶片钾素水平预测建模

为探究柑橘树钾素质量分数无损检测的技术途径,基于反射光谱建立不同物候期柑橘叶片钾素水平预测模型.以117株园栽萝岗橙树为试验对象,采集4个物候期健康鲜叶数据,用高光谱仪测量叶片反射光谱值,用火焰光度法测定同期同批叶片钾素质量分数.对不同物候期钾素敏感特征波段和钾素质量分数建模进行试验和分析,结果表明:不同物候期钾素质量分数敏感特征波段存在漂移现象;相比多元线性回归,支持矢量回归(SVR)和偏最小二乘法(PLS)用钾素敏感特征波段建模能较好预测K素质量分数;在不同物候期特征波段漂移和模型性能差异情况下,SVR基于反射光谱建立全发育期钾素质量分数模型仍有良好的预测性能,其在测试集上的决定系数R2为0.994,均方误差为0.120,平均相对误差为1.33％.     

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。     

高光谱遥感影像分类算法并行处理设计与实现

探讨高光谱遥感影像分类算法处理遥感影像速度。通过光谱角度匹配（SAM）、光谱相关系数匹配（SCM）、信息散度匹配（SIDM）、光谱波形匹配（SWM）进行并行化改造设计,将改造的并行化算法应用到湖北大冶遥感影像数据分类处理中,结果表明并行化算法能够有效完成高光谱遥感影像分类,数据量增大,并行化处理速度加快,数据量为158×382×1092时, SAM 并行处理速度是串行处理速度的25．68倍、SCM 为25．41倍、SIDM 为17．55倍、SWM为23．68倍。并行分类算法处理遥感影像分类速度较串行分类算法处理快。