氨酚伪麻那敏片3成分含量测定法

建立氨酚伪麻那敏片中的对乙酰氨基酚、盐酸伪麻黄碱和马来酸氯苯那敏含量测定的方法.采用C18柱（4.6mm×250mm,5μm）,以磷酸三乙胺溶液（pH 2.5）为流动相,流速为1mL·min-1,检测波长为215nm,进样量为20μL.盐酸伪麻黄碱在201.7-4034.0ng、对乙酰氨基酚在101.5-2031.0ng,马来酸氯苯那敏20.8-415.5ng与峰面积线性关系良好,平均回收率（n=9）分别为100.0％（RSD为2.0％）、101.0％ （RSD为0.5％）、99.5％（RSD为0.7％）.该法一个液相色谱系统可同时测定上述3种成分,简便、准确、专属,可用于氨酚伪麻那敏片的含量测定.     

扑尔敏分子的密度泛函理论研究

马来酸氯苯那敏（chlorpheniramine maleate,CPM）,化学名为2-[对-氯-α-（二甲氨基）乙基丁苯基], 又名扑尔敏,分子式C20H23ClN2O4,本文采用密度泛函理论（density functional theory,DFT）,在M06-2X/6-311+g(d,p)水平上对扑尔敏分子的两种可能的结构进行了优化,优化结果显示分子基态结构具有C1对称性,分子由50个原子组成,共有144个简正自由度,所有的简正振动模式均具有拉曼活性。计算结果表明,吡啶环和苯环所在平面的二面角是92.1°,丁烯二酸和苯环所在平面的二面角是-174.5°。O40-H41和H41-N25键长分别为0.103nm、0.162nm,O40-H41-N25键角为175.29°,采用多功能波函数Multiwfn软件处理结果表明用于表征氢键强度的CVB指数（CVB指数越负,通常氢键越强。）为-0.2268,结果表明O40-H41-N25原子之间存在氢键,马来酸通过羧基上的氢原子和氯苯那敏吡啶环上的N原子通过氢键作用相结合;通过频率计算,获得了扑尔敏分子的拉曼光谱,并利用势能函数分布（PED）对拉曼光谱进行了指认,对谱图信息比较丰富的200-1800cm-1波段进行了分析归属;此外分析并讨论了扑尔敏分子的前线轨道,扑尔敏分子的最高占据轨道HOMO和最低未占据分子轨道LUMO轨道能量分别为-7.95ev、-1.05ev,能级差为6.90ev。为扑尔敏分子的光谱测定和电子结构分析提供了理论基础。     

茶叶掺糖含量检测算法中光谱数据有效性及冗余度研究

基于近红外光谱(NIRS)技术和遗传算法-反向传播(GA-BP)神经网络建立模型，分析茶叶掺蔗糖样品的1～2.5 μm原始光谱数据的有效性及冗余度。固定样本数据，对模型的参数优化选择后建立茶叶蔗糖含量定量检测模型。将1～2.5 μm原始数据分1～1.7，1～1.3，1.3～1.7，1.7～2.5和2～2.2 μm。利用建立的模型对同一分辨率下的不同波段进行模型训练。预测结果表明，1～1.7和1～2.5 μm波段存在数据冗余。仅使用1.3～1.7或1.7～2.5 μm波段即可有效建立模型。预测模型对同一波段下的不同分辨率进行研究，从2 nm到20 nm改变分辨率，当波段范围为1～2.5 μm时，模型的R均介于0.9和0.95之间，且RMSEP也在1.7和2.1之间。当波段范围为1～1.7 μm时，模型的R均在0.9和0.93之间，且RMSEP也在1.95和2.25之间。结果表明，1～2.5 μm原始数据中确实存在波长范围和光谱分辨率的冗余。通过光谱特征分析和算法建模，可以显著提高光谱数据获取的有效性；对于茶叶中蔗糖含量的检测，可以采用更窄的波长范围和更低的光谱分辨率。     

扫描次数对番茄叶漫反射光谱和模型精度的影响研究

近红外光谱分析技术因其诸多优点成为近年来发展最快的定量和定性分析技术之一,它是依据有机分子中的含氢基团(C—H, O—H, N—H)振动的合频与各级倍频的吸收获得信息。但是,近红外光谱易受到光谱仪的工作状态和扫描时各种参数的设置,如波长的准确性、仪器的分辨率、噪声、扫描次数、样品粒度的均匀性等的影响。为了给建立实际模型时选择最佳的测量条件提供依据,文章以番茄叶为研究对象,分析了扫描次数对番茄叶漫反射光谱和叶绿素定量模型精度的影响。结果发现扫描次数对番茄叶漫反射光谱和模型精度有较大的影响。随着扫描次数的增加,近红外光谱的均方根噪声的方差值逐渐变小。扫描次数越多,光谱的质量较高,但是仪器产生的系统误差也会增大;扫描次数越少, 光谱的质量较差,但是光谱较为光滑,系统的误差较小。在128次扫描次数下,叶绿素定量模型的决定系数较高,但是模型不稳定。当扫描次数为32时,模型的决定系数较低,但该模型比较稳定,检测时间也较短。同时,不同扫描次数下所建模型都用于预测叶绿素含量,发现没有显著差异(α＝0.05)。在采集光谱建立模型时,应考虑综合因素选择合适的扫描次数。     

基于离轴两反利特罗结构的棱镜高光谱成像系统的光学设计

为满足高光谱成像系统高空间分辨率和高光谱分辨率的要求,并应对实际应用中对仪器小型化、轻量化、高光学效率的新需求,研究一种基于利特罗结构的棱镜色散高光谱成像系统,采用离轴两反的利特罗结构形式减小光学系统的体积,同时为平面棱镜提供准直光路,并以宏编程的优化方式,避免系统中光路干涉。结果表明,通过非球面反射镜和双校正透镜的设计,该光学成像系统的谱线弯曲均小于2.1 μm,色畸变小于1.3 μm,控制在18%像元内,在400～1 080 nm可见—近红外(VNIR)工作波段的光学调制传递函数(MTF)均达到0.9以上,光谱分辨率为1.6～5.0 nm,光谱透过率在51.5%以上,系统在整个工作光谱范围都具有较高的透过率和像质。     

Box-Behnken法冷鲜滩羊肉蛋白质的高光谱模型优化

高光谱成像技术是一种将成像与光谱相结合的新型无损检测技术,属于间接分析方法;光谱模型的建立非常关键,需综合考察各建模因素间的交互作用。应用Box-Behnken法设计响应面试验优化冷鲜滩羊肉蛋白质含量的可见/近红外高光谱定量检测模型。使用可见/近红外高光谱成像系统采集冷鲜滩羊肉样本的高光谱图像,分析肉样反射光谱特性。采用二维相关光谱技术（2DCOS）,以冷鲜滩羊肉中蛋白质含量为“外界扰动”,研究扰动条件下光谱信号的动态变化,解析二维相关光谱谱图特征,寻找与微扰相关的敏感变量。分别采用多元散射校正（multiplicative scatter correction,MSC）和标准正态变量变换（standard normalized variate,SNV）提取有用信号,优化所选特征波段光谱质量。为实现数据快速降维,减少大量光谱数据处理负担,采用变量组合集群分析法（variable combination population analysis,VCPA）和应用竞争性自适应加权算法（competitive adaptive reweighted sampling,CARS）对2DCOS范围内特征波段进行二次优选。根据Design-Expert软件中Box-Behnken法设计响应面试验,以特征优选、光谱预处理及多元校正方法为考察因素,各因素中3种不同方法为水平,建立冷鲜滩羊肉蛋白质含量分析的优化检测体系。结果表明,波长473,679,734和814 nm处存在较强的自相关峰,473~814 nm范围内的特征波段为冷鲜滩羊肉蛋白质检测的敏感区域;MSC和SNV能够消除肉样自身散射作用的干扰,CARS和VCPA对特征波段进行二次优选,分别优选出了16和9个特征波长;各因素对蛋白质可见/近红外光谱模型预测性能的影响顺序为特征优选方法>预处理方法>多元校正方法,优选出2DCOS-SNV-LSSVM模型具有较高的运行速率和预测能力,其R_c=0.858 8,RMSEC=0.005 8;R_p=0.860 4,RMSEP=0.005 7。研究表明,Box-Behnken法在可见/近红外高光谱（400~1 000 nm）建模参数优化选择中的应用,可以有效地实现滩羊肉品质智能监控与质量安全快速无损分析,为分析对象光谱模型的优化及提高预测结果的准确性提供理论参考。     

宽波段高光谱成像技术在物证检验中的应用

高光谱成像技术在物证检验领域的应用具有非常重要的意义,其不仅能够记录物证的光谱特征用以分析物质成分,而且能够准确记录不同成分的空间分布情况,从而实现无损、快速、定位分析物证成分的功能。高光谱成像物证检验技术的光谱检测范围通常集中在可见-近红外区域,而现有基于高光谱成像技术的物证检测设备基本只能单独覆盖可见波段或者近红外波段,无法实现可见-近红外的宽波段检测需求。为了拓宽成像光谱仪的检测波段范围从而实现提高物证检验精度和增加物证检验种类的目的,首先分析了推扫式成像光谱仪的组成结构及工作原理,剖析了直接研制宽波段成像光谱仪的技术难度和高昂成本,最后提出了将短波段范围的400～1 000 nm可见高光谱成像仪和900～1 700 nm近红外高光谱成像仪相结合的方式实现宽波段范围的方法。通过2台高光谱成像设备线视场匹配将独立的2台设备联合作为1台设备使用,采用定标板辅助装调的方法实现2台高光谱成像仪线视场的像素级拼接,将设备拼接带来的误差降低到不影响输出结果的程度,最终研制出一种波段范围可达400～1 700 nm的可见-近红外宽波段高光谱物证检测设备。搭建实验系统,分别固定2台独立的短波段范围高光谱成像光谱仪,利用平移台带动检材沿着垂直于线视场的方向移动实现推扫,所获取的数据立方体具有400～1 700 nm的宽光谱范围, 400～1 000 nm的光谱分辨率为2.5 nm, 1 000～1 700 nm的光谱分辨率为4 nm。实验结果表明该方法的可行性,对于宽波段高光谱成像仪的研制具有指导意义,使高光谱成像仪在物证检验领域具有更高的应用价值和更广的应用范围。     

折/反混合式长波红外成像光谱仪光学系统设计

为了实现遥感目标的长波红外高光谱成像,满足目标探测对多信息量的需求,设计了高光谱分辨率长波红外(8~12 μm)成像光谱仪。前置望远系统采用离轴三反系统,以实现无遮拦、大口径及宽视场成像设计;光谱分光系统分别采用折射式和反射式结构进行优化设计。设计结果显示,采用折射式结构,可得到通光孔径为100 mm,F数为2,光谱分辨率16 nm,空间分辨率150 μrad,冷光阑效率100%,成像质量接近衍射极限的光学系统;采用反射式结构,为了保证光学系统无挡光,需采用多片离轴反射镜,增加了系统的非对称性,使得系统的像散、彗差和场曲难以校正到最佳状态。设计结果表明：折/反混合式成像光谱系统具有光谱分辨率高、成像质量好和结构合理等优点,点斑均方根直径与国内现有探测器像素尺寸匹配。     

南疆红枣品质近红外光谱在线模型参数的实验研究

为建立南疆红枣品质近红外光谱在线校正模型,分析了在线检测结果的主要影响因素,对相应的参数进行了实验研究。设置红枣不同的光谱采集条件,如测量状态、波段谱区、仪器参数等,利用近红外光谱仪和自行设计的红枣批量采集附件,获取南疆红枣品质光谱,通过光谱预处理和检测精度相结合的办法选择条件参数。通过不同建模参数进行PLS光谱校正和二维相关光谱分析,选择糖度特征光谱参数。结果表明:红枣糖度中心波长9 116,9 418和10 500cm-1,采集分辨率16cm-1,扫描次数8次,糖度相对误差8%～10%,单粒红枣光谱数据量减少为原来的1/10,采集时间减少了3s左右。通过实验参数,压缩了数据量,建立了初级在线校正模型,基本实现南疆红枣品质近红外光谱在线检测。     

近红外光谱技术在检测转基因油菜籽中芥酸和硫甙上的应用研究

随着转基因食品的迅速发展,人们越来越关心其食用安全性。以转基因油菜及其亲本为实验材料,借助于近红外光谱仪对转基因油菜及其亲本中的芥酸和硫甙进行了测定分析：扫描区间为12 000～4 000 cm-1,分辨率为4 cm-1,扫描次数为64次。结果显示近红外检测样品的结果与通用方法结果相近,说明通过扫描光谱加上数学和计算机软件分析,非常准确、方便的测定了转基因油菜中的芥酸和硫甙。结果表明,转基因油菜中的芥酸含量明显高于亲本中的含量,芥酸含量是非转基因亲本1.5～2.0倍;硫甙含量也表现出芥酸相同的规律,转基因油菜中显著高于其相应亲本,是亲本含量的1.3～1.51倍以上。所以,在转基因作物的育种过程中,在改善个别性状的同时,如何保持其他优良性状应当引起重视。     

新型分子高光谱成像系统性能分析及数据预处理

将分子成像技术和高光谱技术相结合,研制了基于AOTF(Acousto-optic Tunable Filters)的分子高光谱成像系统。系统由显微镜、分光仪、CCD镜头、图像数据采集卡和计算机等几部分组成。在综合考虑各功能部件的性能及相互的制约关系的基础上,分析了系统的性能指标,系统的光谱范围从550～1 000 nm,可采集200个波段,空间分辨率可达0.061 5 μm,光谱分辨率可达2 nm,当CCD工作在积分模式下采集速度可达到2.612 5 s·B-1,当CCD工作在非积分模式下可达到约0.11 μs·B-1。由于受系统光源和光路中透镜及传感器性能的影响,采集到的图像数据需要进行预处理,文中提出一种空间维和光谱维联合校正的灰度校正系数算法,并给出算法的具体实现。以白血病的血液作样本,通过对比校正前后的单波段图像、伪彩色图像和光谱曲线,说明校正算法的有效性,为后续的光谱图像数据分析提供了有效的数据。     

工矿业城市区域水质参数高光谱定量反演

工矿业城市区域易受工业活动、矿产开采影响,使其水环境遭受不同程度的破坏,以至于水体污染问题突出。当前常规水质监测主要采用“以点代面”的工作方式进行野外采样及其室内化验分析,然而环境复杂多变,空间差异大,导致调查点代表性受限,整体精度不高,效率低下,更难以实现区域性动态监测。以因矿兴市的矿业重镇湖北黄石大冶市为研究区,同步开展无人机高光谱航飞、地面光谱测量和水体样品采集测试,分别获得具有49个波段的高光谱影像数据和光谱分辨率为1 nm的水体光谱曲线,其中影像数据波谱范围为505~890 nm,光谱分辨率为7.78 nm,空间分辨率为30 cm。对获取的高光谱影像和光谱数据剔除异常值、光谱定标、辐射校正等预处理后,对比分析研究区内水体的不同光谱吸收、反射及光谱曲线形态特征信息,从而提取出高光谱影像和测量光谱的反射光谱曲线形态特征、去包络线后光谱曲线形态特征、三阶求导后光谱曲线形态特征和光谱四值编码共四大类25个光谱特征。采用皮尔森相关系数分析样品水质参数与光谱特征之间的相关性,以此筛选出存在显著相关的水质参数与光谱特征。在此基础上,采用逐步回归分析方法筛选出最大反射率及其波长位置、对称度、光谱编码Ⅲ、三阶导最大及最小值等光谱特征作为模型变量,构建出水质参数的多元线性反演模型,并对模型进行F检验和t检验。将检验后的反演模型推广运用于研究区内高光谱影像,获得尾矿库、河流、湖泊等典型区域的水质参数反演结果,从而实现“由点到面”水质参数信息的快速获取。结果显示水质参数pH、硬度（Ca2++Mg2+）、钾与氯离子比值（K+/Cl-）、镁与碱度比值[Mg2+/(HCO3-+CO2-₃)]的反演精度较高,其pH的判定系数R2最小为0.669,镁与碱度比值的判定系数R2最大为0.895,相对均方根误差均小于28%;而总溶解固体（TDS）反演精度较低,其判定系数R2仅为0.463,相对均方根误差达36.762%。提出了一种基于光谱曲线形态特征的高光谱遥感水质参数定量反演模型方法,实现了pH值、硬度、镁离子与碱度之比等水质参数的高光谱定量反演,为区域水环境动态监测提供了新方法。     

基于高斯马尔科夫模型的高光谱异常目标检测算法研究

随着光谱成像技术的发展,高光谱异常检测在遥感图像处理中的应用越来越广泛。传统RX异常检测算法忽略影像空间相关性,而且由于没有经过有效数据降维,运算耗费大,对于高光谱数据有效性不高。高光谱影像在空间和光谱上符合高斯-马尔科夫模型。通过建立马尔科夫参数能够直接计算协方差矩阵的逆矩阵,避免了高光谱海量数据的庞大计算。提出一种基于三维高斯-马尔科夫随机场模型的改进RX异常检测算法。该方法用高斯-马尔科夫随机场模型模拟高光谱影像数据,用最大似然近似法估计高斯-马尔科夫随机场参数,由高斯-马尔科夫随机场参数直接构造检测算子,并以待检测像元为中心设置局部优化窗口,称为马尔科夫检测窗。取窗口内数据计算均值向量和协方差逆矩阵,得到中心像元的异常度,通过移动窗口进行逐像元检测。应用AVIRIS高光谱数据对传统RX算法、高斯-马尔科夫模型背景假设异常检测算法和该算法进行了仿真实验对比。结果表明,该算法能够有效提高高光谱异常检测效率,降低虚警率。运行时间较传统RX算法提高了45.2%,体现出更好的计算效率。     

基于高光谱特征的迷彩伪装评价

伪装效果分析是伪装设计和识别的重要环节,为了对高光谱探测下的目标伪装效果进行有效评价,结合高光谱图像光谱分辨率较高的特点,提出了一种基于高光谱特征的迷彩伪装评价方法。在光谱维,分析并提取伪装目标的光谱特征。在空间维,对图像第一主成分进行多层小波分解,提取高频分量和低频分量的比值、水平分量和垂直分量的比值以及低频图像的对比度、相关性、能量、同质性等6个特征作为纹理特征。利用欧氏距离分别计算光谱特征距离与纹理特征距离,最后将二者进行综合,距离越小说明伪装效果越好。实验数据表明:本文的方法可以量化高光谱成像下的迷彩伪装效果,评价客观。得到迷彩雨衣与草坪背景之间的综合距离为1.3225,两者融合效果最好。     

Hyperspectral image fusion based on sparse constraint NMF

The spatial resolution of hyperspectral image is often low due to the limitation of the imaging spectrometer. Fusing the original hyperspectral image with high-spatial-resolution panchromatic image is an effective approach to enhance the resolution of hyperspectral image. However, it is hard to preserve the spectral information at the same time of enhancing the resolution by the traditional fusion methods. In this paper, we proposed a fusion method based on the spectral unmixing model called sparse constraint nonnegative matrix factorization (SCNMF). This method has a superior balance of the spectral preservation and the spatial enhancement over some traditional fusion methods. In addition, the added sparse prior and NMF based unmixing model make the fusion more stable and physically reasonable. This method first decomposes the hyperspectral image into an endmember-matrix and an abundance-matrix, then sharpens the abundance-matrix with the panchromatic image, finally obtains the fused image by solving the spectral constraint optimization problem. The experiments on both synthetic and real data show the effectiveness of the proposed method.     

超光谱成像探测系统的图谱标定和评估

超光谱成像是一种场景图谱合一的技术,在战场侦察中得到了迅速应用。超光谱成像系统的标定是确定其输出准确数值的过程。分析了一种基于背照减薄CCD和凹面光栅成像光谱部件的UV/Vis/NIR超光谱军用探测系统,其光谱分辨力为3.3 nm;探讨了0.25～1.1μm工作波段内超光谱成像系统的标定和评估方法,详细介绍了以带有测试靶均匀辐射源为对象的空间成像质量评估、以激光和Hg灯为基础的光谱质量评估以及利用高精度标准辐射源的辐射性能标定。在经过多步辐射校正和光谱真实性检测验证后,最终获得的景物反射率光谱曲线真实反映了光谱特性,满足了0.2mrad的空间分辨力和±0.5％色散线性率的精度要求并在军用探测系统中进行了反伪装的成功应用。     

基于LCTF调谐的高光谱成像系统设计

提出一种新的轻小型高光谱成像系统,将液晶可调谐滤光片LCTF应用于高光谱成像技术,用电调谐的LCTF代替传统的机械滤光片转轮,在可见-近红外波段上可快速地实现波长的任意调谐。系统由光学镜头、LCTF和CCD探测器组成。文章首先详细描述了系统结构、光学设计及其工作原理;再利用该成像系统,以飞艇为平台进行了野外试验,获取了高光谱立体图像,所获取的图像有较高的空间分辨率和光谱分辨率;文章给出16个波段中546～600 nm的局部图像数据,最后对图像进行初步的数据处理,推导出地物420～720 nm的光谱反射率。试验验证了该成像系统的高光谱数据成像获取能力,成像数据可应用于光谱分析。     

谐波分析法高光谱影像融合及其光谱信息保真度评价

提高高分辨率影像之间的空间信息融入度和光谱信息保真度是当今高光谱影像融合研究的热点问题。本文结合EO-1卫星的Hyperion高光谱影像与ALI高空间分辨率波段,针对最大限度地克制光谱信息失真与光谱形态变化等问题,提出了高光谱影像的谐波分析融合(HAF)算法和融合影像光谱信息保真度评价的导数光谱差值信息熵(DSD-IE)模型。通过计算和评价采样像元样本的导数光谱差值曲线信息熵、平均梯度和标准差等参量,同时比较主成分分析(PCA)、Gram-Schmidt(GS)和小波分析等方法的高光谱融合影像,证实了基于HAF的高光谱影像融合结果具有较高的空间信息融入度和光谱信息保真度,在空间信息和光谱信息的可靠性、准确性和实用性等方面都明显优于其他传统的高光谱影像融合方法。     

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。     

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。