结合空间和光谱信息的高光谱影像端元光谱自动提取

端元光谱提取是高光谱影像混合像元分解的关键。现有的端元提取方法多是仅利用了影像的光谱信息,忽略了像元间的空间相关性。现有研究基础上,提出了一种结合影像空间和光谱信息的高光谱影像端元光谱自动提取方法(integration of spatial-spectral information based endmember extraction,ISEE)。该方法首先进行影像子空间划分以增强影像局部的光谱信息特征,然后通过特征空间投影分析获得影像候选端元,最后依次在影像空间信息约束下和端元光谱信息约束下进行优化,得到最终的影像端元光谱集。仿真高光谱影像和真实高光谱影像的实验结果表明,结合影像空间和光谱信息的ISEE方法是有效的,且比一些常用方法提取的端元光谱更为准确。     

光谱谐波分析的新型HAC非监督分类器

高光谱影像分类是识别影像信息的重要途径之一,研究其算法对地物识别、动态变化监测和专题信息提取等方面具有重要意义。非监督分类由于其具有无须先验知识的特点,被广泛应用于高光谱影像分类。结合谐波分析理论提出一种新的高光谱影像非监督分类算法,即谐波分析分类器(harmonic analysis classifier,HAC)。首先,该算法统计第一谐波分量并绘制其直方图,根据波峰数目及位置确定初始地物类别和聚类中心像元。然后将待分类像元光谱的波形信息映射到谐波分解次数、振幅和相位的特征空间中,利用同类地物在特征空间中表现聚集性这一特征,根据最小距离原则对待分类像元进行归类。最后,计算聚类中心像元间的欧式距离,通过设置距离阈值完成类间合并,从而达到高光谱影像分类的目的。提取两种地物类别的光谱曲线,经谐波分析后得到谐波分解次数、振幅和相位量,并分析其在特征空间中的分布情况验证了HAC算法的正确性。同时将HAC算法应用到EO-1卫星的Hyperion高光谱影像得到其分类结果,通过对比K-MEANS,ISODATA和HAC算法的高光谱影像分类结果,证实HAC算法作为一种非监督分类方法在高光谱影像分类方面具有较好的应用性。     

基于高光谱影像的小麦条锈病光谱信息探测与提取

为了理解与定量分析农作物光谱特征和相关参数,基于PHI高光谱影像建立了农作物病害光谱响应与探测模型,即光谱点位与参数模型（FPPM）.为了识别和提取小麦条锈病信息,根据多时相高光谱影像光谱特征,提出了一种可调节的多时相归一化植被指数（MT-NDVI）.结果表明,FPPM能很好地响应与感知该病害在小麦生长期的光谱特征;结合光谱角制图法（SAM）,MT-NDVI能清楚地呈现不同区域该病害的轻重程度,准确地区分和提取小麦条锈病与健康小麦及土壤的信息.     

一种新的准确提取离散采样点光谱值的方法

在建立遥感信息反演模型中,是利用离散的采样点实测数据与相应的影像对应像元的光谱值建立关系,从而实现目标信息反演。准确提取光谱值是建立模型的关键,提取光谱值通常采用的方法是把目标点图层转化为感兴趣区ROI,然后保存ROI为ASCII。用ENVI软件依据原始坐标提取采样点光谱值,分析提取的坐标和光谱值发现,提取出的部分采样点的坐标和原始坐标不一致,即光谱值非本像元,以致基于此而建立的反演模型不能真实反映目标属性与光谱值的关系,即模型无意义。我们把像元均分为4个区域,总结规律发现只有采样点落在像元左上角区域时,提取的光谱值为本像元光谱值。在上述方法的基础上,深入研究其提取目标点坐标和光谱值的原理,并总结规律。介绍了实现提取采样点在遥感影像上对应像元光谱值的一种新方法,该方法首先是提取采样点所在像元的4个顶点坐标之一,通过对比原始坐标和提取坐标的经纬度差值判断采样点在像元中分布所属区域,采用对称原则进行调整采样点在像元中分布位置,最终使全部采样点均分布在所属像元的左上角区域,最后再次进行光谱值提取,经验证提取的光谱值准确无误。通过OLI,TM和ETM+影像验证,结果表明该方法能够有效准确提取离散点光谱值,同时原理清晰,操作简单可行,适用性较强,为遥感影像提取离散点光谱值提供了新思路。     

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。     

水稻分蘖期无人机高光谱影像混合像元特征分析与分解

开展水稻无人机高光谱解混,获取水稻植株的高光谱反射率信息,对于提高水稻理化参量的反演模型精度具有重要意义。目前大多基于高光谱遥感影像自身数据进行解混,运用算法模型进行高光谱数据解混,将高光谱图像和可见光图像进行优势互补,提出一种基于无人机高清影像与高光谱遥感影像融合的稻田无人机高光谱解混方法,解决单一数据局限性问题,增强光谱数据对地物的描述能力。为了更好的计算端元丰度,将同一目标区的高清数码正射影像与无人机高光谱遥感影像利用经纬度信息进行空间配准,使得不同传感器获得的图片在几何位置上对齐,通过SVM分类器的监督分类方法对可见光的数码正射影像进行地物分类,利用地物分类的结果对应高光谱的一个像元,从而得到一个像元内的端元丰度。设相邻区域内的水体端元是相同的,利用线性解混模型（LSMM）对相邻区域的混合像元进行解混,最终获取水稻高光谱反射率信息。结果表明对两种图片进行空间配准丰富了数据源信息,有利于像元的端元丰度计算,其中水稻端元丰度在70%以上解混效果最好,丰度在50%以上解混效果一般,丰度在30%以下解混效果较差;选择监督分类方法进行地物分类,精度达到99.5%,面向对象方法分类精度为98.2%,监督分类方法优于面向对象分类方法;最终得到的混合像元分解反射率高于原混合像元反射率,减少了水体混合部分对光谱数据的影响,使得分解后水稻的光谱反射率更加准确,为水稻理化参量无人机成像高光谱遥感反演提供更加准确的科学依据。     

基于局部端元光谱表征的地表水体遥感自适应提取

精确的光谱表征是遥感专题地物信息提取的重要前提。针对不同水体光谱之间特征差异性,给水体信息全局光谱表征带来不确定性,提出了基于局部端元光谱表征的各类水体自适应提取方法。首先通过全局光谱指数计算实现水体的初步识别;然后,建立局部专题地物目标区,进行PPI计算提取局部水体端元;第三,通过计算局部区域内水体端元光谱相似度,统计光谱相似度直方图;最后,分析直方图分布特征,选择初始分割阈值,通过逐步迭代自动调整阈值达到最佳阈值选择,实现局部水体单元的自适应高精度提取。通过不同类型湖泊水体提取实验表明,该方法要优于传统的全局水体光谱指数阈值分割法,能够准确、 自动地提取遥感影像上水体分布信息,几乎不受水体光谱特征差异的影响。     

基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用“提取特征”的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

基于光谱特征的高光谱遥感影像检索

面向海量遥感信息管理中遥感影像检索的需求,以高光谱遥感信息为例对光谱特征应用进行了探讨,提出基于光谱特征的遥感影像检索包括基于点源示例的检索和基于面源示例的检索,检索中的关键问题是光谱特征提取与相似性度量。基于光谱曲线的相似性度量可以采用光谱角和光谱信息散度进行;基于光谱特征的检索可以通过提取反射和吸收光谱、光谱特征匹配的方法进行;而光谱曲线量化指标如中心矩、分维数和信息熵等的效果较差,不适宜应用于检索。     

光谱最小信息熵的高光谱影像端元提取算法

端元提取是混合像元分解的关键,研究其算法在高精度的地物识别、丰度反演和定量遥感等方面具有重要意义。通过研究高光谱遥感影像光谱特征,结合信息熵理论,应用高斯分布函数,建立了一种新的高光谱影像端元提取算法,即光谱最小信息熵(spectral minimum shannon entropy,SMSE)算法。将该算法应用于AVRIRS高光谱影像的端元光谱提取,并经过与美国地质勘探局(United States Geological Survey,USGS)波谱库中的数据匹配,得知其提取端元的精度较高。同时,通过与经典的纯净像元指数(pixel purity index,PPI)和连续最大角凸锥(sequential maximum angle convex cone,SMACC)等端元提取算法进行实验比较和结果综合分析,发现光谱最小信息熵算法提取端元光谱效率更高、精度更好。此外,分别利用SMACC和SMSE提取Hyperion高光谱影像端元,得出SMSE的端元提取效果好于SMACC,从而可认为SMSE算法具有一定普适性。     

The Spectral Shift Function and Spectral Flow

At the 1974 International Congress, I. M. Singer proposed that eta invariants and hence spectral flow should be thought of as the integral of a one form. In the intervening years this idea has lead to many interesting developments in the study of both eta invariants and spectral flow. Using ideas of [24] Singer’s proposal was brought to an advanced level in [16] where a very general formula for spectral flow as the integral of a one form was produced in the framework of noncommutative geometry. This formula can be used for computing spectral flow in a general semifinite von Neumann algebra as described and reviewed in [5]. In the present paper we take the analytic approach to spectral flow much further by giving a large family of formulae for spectral flow between a pair of unbounded self-adjoint operators D and D +  V with D having compact resolvent belonging to a general semifinite von Neumann algebra and the perturbation . In noncommutative geometry terms we remove summability hypotheses. This level of generality is made possible by introducing a new idea from [3]. There it was observed that M. G. Krein’s spectral shift function (in certain restricted cases with V trace class) computes spectral flow. The present paper extends Krein’s theory to the setting of semifinite spectral triples where D has compact resolvent belonging to and V is any bounded self-adjoint operator in . We give a definition of the spectral shift function under these hypotheses and show that it computes spectral flow. This is made possible by the understanding discovered in the present paper of the interplay between spectral shift function theory and the analytic theory of spectral flow. It is this interplay that enables us to take Singer’s idea much further to create a large class of one forms whose integrals calculate spectral flow. These advances depend critically on a new approach to the calculus of functions of non-commuting operators discovered in [3] which generalizes the double operator integral formalism of [8–10]. One surprising conclusion that follows from our results is that the Krein spectral shift function is computed, in certain circumstances, by the Atiyah-Patodi-Singer index theorem [2].     

光谱成像仪快速光谱定标方法研究

光谱定标是确定光谱仪器各通道中心波长的过程,为了获取光谱辐亮度,通常需要对光谱仪器进行辐射定标,将光谱仪器输出的数值,映射为物理量——辐亮度。不同的光谱仪器的光谱响应不同,因此还需要在光谱定标过程中确定各个通道的光谱响应。光谱成像仪可以看成是多个光谱仪组成的,需要对所有点的中心波长和光谱响应进行定标。自第一台成像光谱仪诞生以来,其定标方法逐渐固定,通常需要采用光谱分辨率较光谱成像仪更高的单色仪输出准单色光进行光谱定标,其准单色光的光谱带宽远小于光谱成像仪的光谱响应带宽,可以将准单色光抽象为脉冲函数。根据脉冲函数的特性,改变准单色光的波长,扫描光谱成像仪的响应波长范围,是对光谱响应函数进行间隔采样的过程,通过光谱定标数据可以直接得到光谱成像仪的中心波长和光谱响应函数。随着技术的发展,探测器的灵敏度越来越高,光谱成像仪的分辨率也越来越高,为了完成光谱定标,对光谱定标需要的准单色光提出了更高的要求。然而准单色光的带宽越窄,其能量越低,获取满足信噪比要求的数据需要更长的时间,使定标的效率降低。从光谱定标的目的出发,结合准单色光和光谱成像仪光谱响应近似高斯函数的特点,通过理论分析,提出一种利用宽带定标光进行光谱定标的方法,可以有效减少光谱定标的步骤,提高定标的效率,适用于光谱成像仪的快速定标。该方法用于某星载高光谱成像仪的光谱定标,待标定光谱成像仪采用棱镜分光,具有色散非线性的特点,光谱分辨率在2~18 nm之间变化,同时存在较大的谱线弯曲,导致每个像元的中心波长都不同,需要对每个像元进行光谱定标。为了避免分视场定标导致的相邻视场中心波长不连续现象,将单色仪发出的准单色光的光斑照亮整个狭缝,狭缝和单色仪之间放置柱透镜和毛玻璃,其中柱透镜用于汇聚垂直于狭缝方向的光线,提高能量利用率;毛玻璃用于匀化光照,毛玻璃的存在极大地减弱了进入光谱成像仪的能量,结合提出的方法,增加定标光的带宽,提高能量,最终完成了该光谱成像仪的快速定标,利用汞灯的特征光谱验证该成像光谱仪的光谱定标精度为0.23 nm。     

Spectral Lattices

Spectral orthomorphisms between the spectral lattices of JBW algebras which preserve the scales extend to Jordan homomorphisms for a large class of algebras. Spectral lattice homomorphism is automatically a σ-lattice homomorphism. The range projection map is, up to a Jordan homomorphism, the only natural map from the spectral lattice onto the projection lattice. Continuity of the range projection determines finiteness of the algebra in Murray–von Neumann comparison theory.     

基于完全波形的反射和吸收特征的非线性光谱相似性度量与检索——非线性光谱角制图

提出了一种新的光谱相似性度量方法,即非线性光谱角制图。该方法一方面利用核主成分分析(PCA)方法实现非线性变换和去除波段间的强相关性;另一方面,在变换空间中合并光谱的反射特征和吸收特征。最后,用光谱角制图方法对合并后的反射和吸收特征向量进行相似性度量。实验表明该方法在光谱相似性度量和检索中是有效的。     

超光谱成像仪中棱镜的热光谱特性

为了确定超光谱成像仪热控指标和开展热设计,研究了超光谱成像仪中棱镜的热光谱特性。介绍了超光谱成像仪的工作原理以及热光谱特性的含义,分析了棱镜的环境热效应,论述了棱镜热光谱特性研究内容及技术路线,推导了温度变化时棱镜偏转角以及角色散的函数关系,进一步得到光谱中心平移及光谱带宽随温度变化规律。借助有限元分析,比较了K9、熔石英两种材料的棱镜的入射角、顶角、材料色散、光谱中心平移及光谱带宽随温度变化规律,确定了棱镜的热控指标,并设计了热光谱试验。理论分析和试验结果表明由于热变形引起的光谱带宽和光谱分辨率改变可以忽略不计,光谱平移主要由材料折射率温度系数决定;棱镜材料色散(dn/dλ)对温度变化不敏感,因此温度变化对其光谱带宽影响不明显; 本文研究方法合理,结果可信,对确定棱镜的热控指标和优化热设计具有指导意义。     

基于光谱吸收靶标的成像光谱仪光谱定标方法研究

中心波长和带宽是影响成像光谱仪数据定量化应用水平的两个重要光谱性能参数。针对覆盖光谱范围较窄的可见光与近红外波段成像光谱仪,提出了一种利用人工光谱吸收靶标进行光谱定标的方法,论证和建立光谱吸收靶标光谱定标方法的数学模型。在同一环境下利用成像光谱仪和ASD光谱仪对地面光谱吸收靶标进行准同步光谱测量,并进行反射率计算,然后通过光谱匹配计算中心波长偏移量和带宽变化量。利用该方法对设计带宽为6 nm的可见光与近红外波段的成像光谱仪进行了地面定标实验。实验结果表明,该方法能够作为外场光谱定标的辅助手段,提高成像光谱仪的定量化应用水平。     

Spectral heterodyne tomography

A novel method of optical coherent tomography—spectral heterodyne tomography—is proposed. Spectral heterodyne tomography is based on parallel heterodyne detection of a multitude of frequencies of the light backscattered by an object under study. The result of this detection is a spectral distribution of the amplitude and phase of the scattered radiation. Subsequent numerical processing allows one to find the distribution of scattering centers over the depth corresponding to the point of entrance of the incident light. The proposed method is potentially characterized by a higher efficiency as compared with the most successful approach to optical coherence tomography, based on heterodyne scanning interferometry.     

Judd-Ofelt光谱分析理论

对Judd-Ofelt光谱分析理论(J-O理论)的发展和应用进行了综述。J-O理论用于分析固体中的稀土离子的吸收、发射光谱,可计算它们的跃迁几率、谱线强度、能级寿命、发射截面等。在J-O理论中考虑J混合后,可使理论和实验结果更好地吻合。采用改进的J-O理论,可较好地对Pr3+光谱进行分析。由TPM方法,可用非极化光透射光谱来分析各向异性晶体的光谱性质,并且对样品的加工无特殊定向要求。对于重叠吸收光谱带,拟合J-O参数时可以近似为一个带进行处理。利用荧光寿命也可对J-O参数进行计算。