排序方式: 共有38条查询结果,搜索用时 20 毫秒
3.
全息凹面光栅光谱仪具有平谱面、小型化、大孔径、高分辨率等优点。首先从信息光学的角度推导了全息凹面光栅的成像公式,在垂直于狭缝和平行于狭缝的平面上系统分析了全息凹面光栅光谱仪的成像性能;在垂直于狭缝的平面上,全息凹面光栅光谱仪具有良好的平谱面性;在平行于狭缝的平面上,全息凹面光栅光谱仪克服了传统平面光栅的谱线弯曲和色畸变,实现了谱线平直成像;此外指出全息凹面光栅光谱仪固有的弧矢场曲对视场扩展的限制。然后根据理论分析结果提出了结构对称消场曲的全息凹面光栅光谱仪的设计思想,利用ZEMAX软件优化设计了像差补偿型全息凹面光栅光谱仪。在保证相对孔径F#=3、光谱分辨率为20nm/mm、空间分辨率小于25μm等技术指标不变的前提下,设计了狭缝长度为0.4mm的传统单球面镜全息凹面光栅光谱仪和狭缝长度为8mm的像差补偿型全息凹面光栅光谱仪。结果表明,改进后的像差补偿型全息凹面光栅光谱仪成功地将视场扩大为单球面镜全息凹面光栅光谱仪的20倍。 相似文献
4.
为了充分利用高光谱图像蕴含的丰富的光谱信息和空间信息,提出了结合多尺度空间滤波和层级网络的基于结构保持的高光谱特征选择算法.算法利用基于l2,1范数的数学模型,选出同时保存全局相似性结构和局部流形结构的特征子集;在多个尺度的窗口中使用双边滤波,自适应计算滤波核,自动在光谱数据中融入空间信息,增强了类内相似性和类间相异性,避免了参量选择;引入层级结构实现空间信息和光谱信息的深入融合,提高了分类准确度;讨论了层级数目和窗口尺度个数对分类准确度的影响.在Indian Pines和PaviaU两个数据集的实验表明,该算法在大部分地物种类上的分类准确度都有较大幅度的提升,总体分类准确度分别达到90.98%和94.20%,相比其他方法明显提高了地物分类准确度. 相似文献
5.
静态迈克耳孙干涉仪是一种实体式像面干涉仪,可以解决干涉光谱成像仪大视场的技术难点。在采样过程中,静态迈克耳孙干涉仪会引入光程差的非线性干涉误差,导致无法准确复原光谱,因此需要对非线性干涉误差进行修正。分析了非线性干涉误差的理论模型,提出了基于数值拟合的非线性干涉光谱数据重构算法,并进行了仿真验证。仿真结果表明,采用数值拟合的重构算法可成功复原目标光谱,消除非线性干涉误差;与采用线性拟合的重构算法相比,使用柯西色散公式拟合的重构算法的光谱复原精度更高,且吸收峰处的反演光谱与入射光谱的相对误差小于0.7%。 相似文献
6.
提出并分析了以O_2(a~1Δ_g)O_(19)P_(18)(7 772.03cm~(-1))发射谱线为目标源进行平流层、中间层大气风场星载临边探测的可行性及优势.基于大气模型和辐射传输理论建立O_2(a~1Δ_g,υ′=0)→O_2(X~3Σ_g,υ″=0)带的辐射传输模型,并分析多重散射和非局地热平衡效应影响下的目标源临边光谱辐亮度.表明发射线O_2(a~1Δ_g)O_(19)P_(18)(7 772.03cm~(-1))自吸收微弱、辐射强、光谱分立度好,能大大降低对测风干涉仪光谱分辨率、滤光系统带宽的要求,进而使载荷更易于实现小型化、高稳定性.以星载测风多普勒差分干涉仪技术方案为例,对以O_2(a~1Δ_g)O_(19)P_(18)(7 772.03cm~(-1))为探测目标源的视线风速反演精度进行了仿真分析,结果表明40~70km高度范围内视线风速测量精度优于5m/s;适当放宽风速反演精度情况下,探测范围能够向40km以下扩展.研究结果将为平流层、中间层大气风场星载探测提供一条低成本、高精度、自主可行的技术路线. 相似文献
7.
为了改善光学成像中的成像质量和效率,提出一种基于压缩传感的超分辨光学三维成像技术.通过物镜、编码板、色散元件、准直镜、聚焦镜、探测器等组成前端成像系统,然后,利用稀疏重构算法在后端处理器上重构光谱数据,从而将成像运算量从前端转移到后端.同时,引入块重构、错位预处理、多帧重构技术,提高重构的准确度,减小后端处理内存,降低计算复杂度.通过仿真实验对原始数据和重构数据的光谱曲线、信噪比、光谱误差、分类识别效果等指标进行对比分析,结果表明,利用本文压缩传感技术可以实现超分辨光学三维成像,且成像质量较高,数据应用效果较好,可用于大幅宽、高分辨率、低功耗、动态目标的成像观测. 相似文献
8.
编码孔径光谱成像仪根据压缩传感理论,对物体进行光谱成像。编码孔径光谱数据复原的特点在于能将探测器上所得到的二维编码像复原成三维的数据立方体。两步迭代收缩阈值算法是在迭代收缩阈值算法和迭代加权收缩算法基础上加以改进而得出的,采用两步迭代收缩阈值算法对编码孔径光谱数据进行复原,成功地由二维编码像复原出了三维数据立方体,具有迭代步数少,收敛速度快的特点。 相似文献
9.
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。 相似文献
10.