基于相关性的中红外温度与发射率分离算法

温度和发射率是耦合在一起的.在精确获得大气参数的情况下,由传感器的辐射测量反演地表的温度与发射率,仍然是一个病态问题,必须采取一定的策略进行温度与发射率的分离.因此,温度与发射率的分离是红外遥感的核心问题.文章在分析无太阳直射光影响时大气下行辐射和含有大气残留的地表发射率之间关系的基础上,提出了一个针对野外测量中红外高光谱数据的温度与发射率分离算法.该算法利用大气下行辐射和含有大气残留的地表发射率之间的相关性作为判据来优化地表温度,进而获得地表发射率.基于模拟的中红外高光谱数据,对算法的精度进行评价.结果表明,该算法能够获得较高的地表温度和发射率反演精度;具有较广的适用范围,对测量过程中大气下行辐射变化不敏感;同时算法具有一定的抗噪性.     

基于约束优化的多光谱辐射真温反演算法

多光谱辐射测温是通过测量待测物某点的多个光谱辐射强度信息,通过普朗克公式反演获得真实温度。但是,通过普朗克公式获得的多光谱辐射测温方程组,是欠定方程组,即N个方程,N+1个未知数(N个未知的光谱发射率ε_λi和1个待求真温T)。目前,多采用事先假设一组发射率模型(发射率-波长或发射率-温度模型),假设模型与实际情况如果相符,则反演结果能够满足要求,如果假设模型与实际情况不符,则反演结果误差很大。但是,发射率模型受温度、表面状态、波长等诸多因素影响,难以事先确定发射率模型。因此受未知光谱发射率的制约一直是多光谱辐射测温理论面临的主要障碍,能否在无需任何光谱发射率假设模型的情况下,实现真温和光谱发射率的直接反演一直是多光谱辐射测温理论研究的热点和难点。通过对参考温度模型的分析表明,多光谱辐射测温反演过程的实质是寻找一组光谱发射率,使得每个通道方程解得的真温都相同,如不相同则继续寻找合适的光谱发射率,直到每个通道解得的真温都相等。为此,提出将多光谱辐射测温参考温度模型的求解过程转换为约束优化问题,即在光谱发射率0≤ε_λi≤1的约束条件下,通过梯度投影算法不断寻找光谱发射率,带入多光谱辐射测温参考温度模型方程组后,计算温度反演值的方差,直到每个光谱通道方程获得的温度值应该近似相等,此时各个光谱通道的温度反演值方差最小,这样就把多光谱辐射真温和发射率的反演问题转换为约束优化问题。约束优化算法是解决这一类问题的主要方法,但为了满足Ax≥b的约束条件,将0≤ε_λi≤1分解为ε_λi≥0和-ε_λi≥-1的两个约束条件,从而满足了约束优化问题Ax≥b的约束条件。这样就可以通过约束优化算法在无需任何光谱发射率假设模型的条件下,直接求解真温和光谱发射率。实验采用六种不同光谱发射率分布模式(随波长递增、递减、凸波动、凹波动、“M”型波动、“W”型波动)的材料为研究对象,以验证新算法对不同材料光谱发射率分布反演的适应性,利用Matlab的minRosen函数,选择光谱发射率的初始值均为0.5(取中间值,提高计算效率)。针对六种不同光谱发射率模型的仿真结果表明,新算法无需任何有关发射率的先验知识,对不同发射率模型反演结果均表现较好,在真温1 800 K的情况下,绝对误差均小于20 K,相对误差均小于1.2%,新算法具有无需考虑任何光谱发射率先验知识、反演精度较高及适合于各种发射率模型等优点,进一步完善了多光谱辐射测温理论,在高温测量领域具有良好的应用前景。     

基于牛顿迭代法高温光谱温度和发射率的反演研究

针对基于光谱数据进行温度与发射率分离过程中存在的n个方程包含n+1个未知数这一欠定问题,提出利用牛顿迭代法来实现材料表面真温及发射率的反演计算,通过给定温度和发射率初值,利用泰勒级数的线性项建立迭代公式,通过迭代得到温度和发射率的近似解。分别利用理论热辐射谱和腔黑体的实验数据进行验证,结果表明,任意给定温度和发射率初值均可获得与真实温度接近的计算温度值,相对误差小于0.09。发射率反演结果与真实发射率线形一致,当温度和发射率初值越接近真实温度和发射率时,发射率反演结果越精确。该方法消除了发射率假定模型限制,有望应用于高温及超高温下各种材料真实温度和光谱发射率研究。     

中国遥感卫星辐射校正场陆表热红外发射率光谱野外测量

中国遥感卫星辐射校正场陆表发射率光谱是利用陆表场地进行遥感器红外通道绝对辐射定标的关键因子之一。基于光谱平滑的温度与发射率分离反演迭代算法,利用高精度的BOMEM MR154傅里叶变换红外光谱仪和红外标准板,对敦煌戈壁陆表发射率光谱进行测量。获得了不同时间和地点测量的陆表发射率光谱数据,并与利用CE312通道式红外辐射计在相同区域的测量结果进行比较分析。结果表明各个通道发射率的差别均在0.012以内,具有较好的一致性。利用该发射率光谱测量结果,可以在敦煌戈壁——中国遥感卫星辐射校正陆面场,对目前国内外主流的遥感卫星热红外通道进行在轨场地绝对辐射定标。     

基于激光旋转加热的非导电材料高温光谱发射率测试方法与装置

光谱发射率是表征材料热物理性能的重要参数。对于非导电材料的高温光谱发射率测试,一般采用高温加热炉加热或辐射加热的方式来进行发射率测试,存在的问题是采用高温石墨炉加热时,样品可能会与高温石墨发生化学反应,从而破坏材料原有物性;采用辐射加热,一般是单向静止加热,会存在样品温场梯度非均匀分布的问题。基于激光旋转加热和样品/黑体整体一体化设计,提出了一种“样品动中测”的非导电材料高温光谱发射率测试新方法,建立了相应的测量模型,突破了传统的 “样品静中测”的局限,样品与参考黑体共形一体化设计,采用微区域光谱辐射成像方法,同时测量参考黑体和样品的光谱辐射能量与温度。建立了激光旋转加热状态下的热传导方程,对典型样品材料的温度分布进行了仿真计算,结果表明旋转样品温场分布较为均匀,分析了温场分布与红外光谱发射率测量误差间的关系,给出了适用于本测试方法的材料的热导率下限值。基于该方法,搭建了相应的测量装置,对典型材料碳化硅在1 000 K时的光谱发射率进行了测试,在4 μm处对各个典型高温温度点的光谱发射率进行了测试,得到了碳化硅材料在红外波段的光谱发射率波长变化和温度变化规律特性。与国外的测量结果进行了比对,结果较为一致,验证了激光旋转加热光谱发射率测试方法的可行性。采用此方法,不破坏样品本身的理化特性,样品加热升温速度快,测量温度范围上限高,有效减小了激光静止单向加热带来的温度不均匀性,可同时测量出样品和参考黑体的光谱辐射亮度及温度,无需另外再设计标准高温黑体,解决了现有非导电材料高温光谱发射率测试中非均匀加热和辐射能量同步比对测量的问题,可应用于多种非导电材料高温光谱发射率的测试。     

基于参考温度的多目标极小值优化原理的多光谱真温反演

多光谱辐射测温法是一种能够反演出辐射体真实温度(真温)的非接触式的温度测量方法,这种方法通过采集不同波长下被测目标的亮度温度信息,利用相关的算法反演被测目标的真温,多光谱高温计就是利用这种方法反演被测目标真温的最重要的测量工具之一。经过近半个世纪的不懈努力与探索,国内外众多学者在此领域取得了长足的进步。由于光谱发射率都小于1,因此采用辐射高温计不能直接测量得到被测目标的真温,只有通过处理多个光谱通道的波长和亮度温度,利用多光谱辐射测温数据的处理方法才可以获得被测目标的真温。在真温的反演的过程中,一般都需要找到光谱发射率与波长或温度等变量之间的函数关系,用含有波长或温度等变量的表达式代替光谱发射率,这类方法模型选取缺乏足够的理论支持,对于非专业人员,选择合适的光谱发射率模型存在一定的难度。由于光谱发射率具有瞬时多变性,假设的光谱发射率模型与实际光谱发射率的变化之间往往存在一定的差异,有可能导致真温反演产生较大的误差。另外,光谱发射率与波长或温度等变量之间的数学模型是需要通过大量的实验和经验才能确定,这种数学模型通用性较差,尤其是当待测辐射体发生改变时,这种数学模型也就失去了意义。因此,找到一种无需假定光谱发射率与波长或温度之间数学模型而且又具有一定通用性的多光谱真温反演方法成为一种迫切的需要。对于多波长高温计的N个光谱通道,每一个光谱通道的测量数据满足一个数学方程,对于N个光谱通道可以构成一个欠定方程组。为了求解这个方程组,将优化的思想引入多光谱求解过程中,提出了一种基于参考温度的多目标极小值优化原理的多光谱真温反演方法,将多光谱真温的求解问题转化为多目标极值优化问题,实现了无需假设光谱发射率模型的真温和光谱发射率的反演。与传统的二次测量法相比,新方法在反演精度上与二次测量法大体相同,但在反演速度上得到了较大幅度的提高。借助于以往学者测量的真实数据,利用基于参考温度的多目标极小值优化原理的多光谱真温反演方法实现了真温和光谱发射率的反演。新方法在反演速度上得到了较大幅度的提高,借助于以往的固体火箭发动机羽焰温度真实的测量数据,利用基于参考温度的多目标极小值优化方法实现了真温的反演。     

地表发射率的机载傅里叶变换红外光谱反演方法研究

介绍了利用机载傅里叶变换红外(FTIR)光谱仪测量地球、大气辐射的实验过程,并对由光谱仪测得的辐射与地表光谱发射率、大气透过率等参数的关系进行了深入的分析,给出了理论表达式。提出了一种基于梯度搜索的优化方法,即由机载FTIR光谱仪测得的辐亮度光谱反演得到方差最小的光谱发射率最优解。反演结果表明,在中红外波段,沙地平均光谱发射率为0.70,裸土地表平均光谱发射率为0.95。     

热红外发射率光谱在盐渍化土壤含盐量估算中的应用研究

利用傅里叶变换红外光谱仪对绿洲盐渍化土壤进行野外测量,采用光谱平滑迭代法对温度和发射率进行分离,得到了盐渍化土壤的热红外发射率数据。通过对盐渍化土壤发射率光谱的特征分析,得出8～13 μm土壤发射率随盐分含量的增加而减小,发射率光谱对盐分因子的响应在8～9.5 μm较敏感。分析了原始发射率光谱、一阶导数、二阶导数和标准化比值与含盐量之间的相关性,表明土壤发射率与含盐量呈负相关关系,发射率一阶导数与含盐量的相关性最高,相关系数最大为0.724 2,对应波段为8.370 745～8.390 880 μm。建立了土壤发射率一阶导数与盐分含量的二次函数回归模型,模型拟合的决定系数为0.741 4,验证结果的均方根误差为0.235 5,说明利用热红外发射率光谱反演土壤盐分含量的方法可行。     

基于最大熵估计Alpha谱缩放与平移量的温度与发射率分离算法

在热红外波段, 为了使温度与发射率分离过程不依赖数据库提供的经验信息, 并且实现更高的反演精度和更快的计算速度, 研究了一种新的温度与发射率分离算法. 首先, 在维恩近似原理的基础上, 求解了Alpha谱分布, 并利用Alpha谱描述光谱发射率的形状信息. 其次, 改进了最大熵温度与发射率分离算法: 应用最大熵估计模型对Alpha谱缩放与平移量进行估计, 减少了待估计参数的数量, 大幅简化了求解过程. 最后, 进行了算法的数值仿真实验: 求解了典型地物目标的温度与光谱发射率, 并且分析了算法对系统噪声的鲁棒性. 仿真数据表明: 发射率估计的最大RMSE为0.017, 温度估计的最大绝对误差的绝对值为0.62 K; 对系统添加测量信噪比为11的高斯白噪声, 发射率估计的相对RMSE为2.67%, 温度估计的相对误差为1.26%. 结果表明: 本文所述算法求解精度高, 计算速度快, 具备良好的鲁棒性.     

基于发射率缓变特性的光谱发射率反演研究

发射率是辐射测温的重要参数,基于普朗克定律,针对辐射测温中n个方程,n+1个未知数这一病态方程组问题,利用发射率的缓变特性提出一种新的计算方法,以此来减少未知数的个数,简化计算过程。对该计算方法进行了理论及实验验证。结果表明无论是基于理论热辐射谱还是实验数据,均能反演出与材料发射率线形一致的发射率谱及材料真实温度,当T=1 173 K时,反演所得温差最大13 K,发射率的最大绝对误差0.05;且缓变程度越大,波长间隔越小,计算的准确度越高。所述方法可应用于基于多光谱数据提取温度和发射率。     

基于综合高光谱指数的区域土壤盐渍化监测研究

选取新疆塔里木盆地北缘渭干河-库车河三角洲绿洲盐渍化土壤、植被及其光谱反射率为研究对象,对实测土壤、植被高光谱进行包络线、倒数、对数、均方根、一阶微分等各种光谱变换,分析并确定反映盐渍化程度最敏感的波段,结果表明：实测高光谱土壤、植被一阶微分光谱变换对土壤盐渍化响应程度最敏感;基于实测综合光谱指数的盐渍化监测高光谱模型可以准确提取土壤盐渍化信息,明显优于传统遥感方法中单纯利用植被指数或者土壤盐分指数的模型,对土壤盐渍化的高精度遥感监测研究具有较好促进作用。     

基于Top-Hat变换的高光谱吸收特征增强方法

对地物高光谱进行特征分析是高光谱影像用于目标识别和地物分类的基础.基于数学形态学的Top-Hat变换提出了一种光谱吸收峰增强算法.该方法在增强吸收峰的同时还保持了吸收谱带的波形特征.从美国地质调查局USGS光谱数据库选取的11条不同矿物的反射光谱曲线,对其吸收峰增强曲线和原始光谱曲线进行了K-means聚类分析.结果表明:吸收峰增强曲线的聚类结果在波形上和地质背景上都优于原始光谱曲线;且将吸收峰增强曲线的聚类的结果用矿物光谱的ASTER影像采样光谱曲线显示时,能总结出各组矿物的ASTER光谱典型特征.说明吸收峰增强曲线很好地增强了矿物光谱的吸收特征,提高了高光谱的可分性,同时还能为基于多光谱数据的遥感信息提取提供参考,是十分有用的高光谱分析方法.     

红外光谱法与荧光光谱成像技术结合神经网络对正毛化橘红的快速鉴别

为探究一种快速、可靠的化橘红检测方法,本实验分别采用傅里叶变换衰减全反射红外光谱法和荧光光谱成像技术结合多层感知器(MLP)神经网络所构建的模式识别方法,对化橘红进行鉴别,并对两种方法进行了比较。实验以81个正毛化橘红,37个其他品种橘红共118个样品为研究对象,采集所有样品的红外光谱和荧光光谱图像。根据光谱曲线中不同样品间的差异,取红外光谱中550-1800 cm-1区段范围内的光谱数据和荧光光谱曲线中的400～720 nm区段的光谱数据进行分析,应用主成分分析法(PCA)对化橘红的光谱数据进行降维处理,再结合MLP神经网络对化橘红样品进行判别分析。实验中分别使用多元散射校正(MSC)、标准正态变量校正(SNV)、一阶导(FD)、二阶导(SD)以及Savitzky-Golay(SG)平滑数据预处理方法,并比较他们对鉴别模型的影响。分析结果表明：利用红外光谱法(FTIR/ATR),经由Savitzky-Golay(SG)平滑预处理得到的数据,通过隐层函数为sigmoid的三层MLP模型,能够得到最优正毛化橘红识别率,其结果训练集和测试集的识别率都为100%;利用荧光光谱成像技术,由多元散射(MSC)预处理的结果是最理想的。经过预处理的数据,通过隐层函数为sigmoid函数的三层MLP模型,训练集识别率达到100%,测试集识别率达到96.7%。由此可见,衰减全反射红外光谱法(FTIR/ATR)和荧光光谱成像技术分别与MLP神经网络构建的识别模式,均可对化橘红的判别达到快速、可靠的效果。     

3D卷积自动编码网络的高光谱异常检测

高光谱图像包含丰富的地物光谱信息,在遥感图像领域有着巨大的发展前景.高光谱图像异常检测无需任何先验光谱信息,便可检测出图像中的异常目标.因此,在国防军事和民用领域都有广泛的应用,是现阶段高光谱图像处理领域的研究热点.然而,高光谱图像存在数据复杂、冗余性强、未标记以及样本数量少等特点,这给高光谱图像异常检测带来了很大的挑...     

不同质量含水量的土壤反射率光谱模拟模型

土壤含水量的时空分布与变化情况对土壤温度变化、陆地—大气间热量平衡以及陆面大气环流产生显著的影响,因此,对大范围内土壤含水量进行实时动态监测,获得某段时间内土壤含水量的连续变化情况具有重要的意义。研究目的是借助高光谱遥感手段,通过构建不同质量含水量的土壤反射率光谱模拟模型,深入了解土壤质量含水量与土壤反射率光谱之间的关系,为监测土壤含水量提供有效手段。利用ASD Field Spectral FR野外光谱仪和加水称重法获得北京市8个采样点的土壤样品不同质量含水量下的土壤反射率光谱实测数据,利用其中2个土壤样品不同质量含水量下的光谱数据构建含水土壤反射率光谱模拟模型,并利用未参与建模的另外6个土壤样品数据对该模型的模拟效果进行了检验。通过数据验证发现,当土壤质量含水量小于田间持水量时,该模型的模拟精度较高;而且对于不同的土壤样品,模型的模拟效果都比较好。最后又利用北京大学校园内三个采样点的实地测量光谱数据对模型进行了验证,光谱的模拟值与实测值之间的均方根误差最小可达0.005 8。因此该模型可实现对质量含水量小于田间持水量的不同类型土壤的反射率光谱进行较高精度的模拟。