基于偏振光谱BRDF图像的物质分类

提出一种基于偏振光谱二向反射分布函数图像的物质自动分类方法,该方法主要选择偏振光谱二向反射分布函数信息作为新的特征用于物质自动分类.采用支撑向量机的分类方法对不同的天气条件（晴天、多云、阴天）下处于杂乱的自然草地背景环境中的典型目标进行分类,最后比较三种不同特征选择对于分类准确度的影响.采取三种不同的特征选取方法,分别为采用单一的光谱特征、偏振光谱特征及偏振光谱二向反射分布函数特征.最后通过实验得出：将偏振光谱二向反射分布函数作为分类特征在三种不同的天气情况下,分类准确度都较高,特别是在阴天天气条件下,分类准确度明显高于其它两种特征选择.即使是在阴天低照度下的场景中,当不同目标和背景之间的灰度很接近时,采用本文方法也能准确的进行自动分类.
关键词:     

一种新的偏振光谱二向反射测量方法

针对分光辐射度计和CCD相机各自在偏振BRDF实验测量中的不足,提出了一种新的实验方案.分别利用分光辐射度计和带液晶可调滤光片的CCD相机测量偏振光谱BRDF数据,然后利用分光辐射度计的数据来反演图像数据.实验结果表明,反演后的偏振光谱BRDF数据不但准确地描述其波谱特征和材料的均匀性,而且能反映材料的颜色、粗糙度、导电性、纹理和边缘等特征.     

偏振光谱BRDF建模与仿真

在偏振光条件下,物体的表面反射受到折射率、表面粗糙度、入射角等多种因素的影响。针对粗糙物体表面在不同波段光照下表现出不同的偏振反射特性,提出一种基于Kirchhof理论的偏振光谱BRDF模型。利用已知材质在不同波长下的复折射率,对其折射率和消光系数部分分别反演出的对应光谱模型,进而得到复折射率的光谱模型;同借鉴经典的表面粗糙度测量方法,结合菲涅耳反射公式,推导出表面粗糙度的光谱模型,将得到的复折射率和粗糙度光谱模型与BRDF模型相结合,推导出偏振光谱BRDF建模。模型分别在折射率随波长变化、粗糙度为常量,折射率、粗糙度均随波长变化以及原模型三种情况下进行仿真对比实验,并将所得到的数据与其他资料进行对比。其结果表明,该模型能够较为准确的反映物体表面的偏振反射特性,并且能够描述偏振度随波长变化趋势的光谱特征,能够为偏振遥感、物质分类等方面的应用提供可靠依据。     

基于BRDF理论的散射光谱加和性研究

依据双向反射分布函数理论,推导出散射光谱的加和性原理。散射光谱加和性是指对于材质质点之间无相互作用的平面漫反射体系,在光源与入射面材质不存在干涉、衍射、荧光、光谱上转换和光谱下转换等相互转换作用,且无光化学现象及非线性效应发生的前提下,且符合能量守恒定律的同时,由单光源或多光源照射的材料的散射光谱,等于该材料中每种材质的散射光谱的线性叠加。实验上,以几种材料的散射光谱为例,通过改变探测条件、照明条件和材质比例,进行了散射光谱加和性的实验验证,并且针对实验结果进行了误差分析。单光源条件下的最大实验误差为2.64%,多光源条件下则为2.35%,加和计算偏差均在实验误差允许范围内。由此证明了材料的散射光谱具有加和性,不受组成的材质差异性、材质的面积比例组合多样性、以及实验条件多变性影响。散射光谱加和性的首次提出,不仅为基于散射光谱的复杂结构体的特征提取及识别研究提供了确切的理论依据和有效的分析方法,而且对相关的实验分析和应用研究有着重要的借鉴和参考意义。     

基于最小二乘支持向量机回归的背景偏振光谱二向反射分布建模分析

详细分析了土壤背景偏振光谱二向反射分布函数与探测角及探测方位角之间关系.提出了基于最小二乘支持向量机回归的偏振光谱二向反射分布函数建模,将有限实验观测条件下测量得到的少数偏振光谱二向反射分布函数扩展到2π空间范围内任意入射及观测条件.通过模型结果和实验结果分析比较,表明该模型能很好地满足准确度要求.     

单叶片偏振BRDF建模及参数反演

利用长春光机所研制的多角度观测装置测量了玉米嫩叶、玉米成熟叶和一品红叶表面的二向偏振反射率分布,发现叶片表面反射具有明显的非朗伯性。通过借鉴Cook-Torrance光照模型的形式,将不同偏振态的菲涅尔因子耦合到模型中,推导得到用于叶片表面偏振的二向性反射分布函数模型(pBRDF-polari-metric bidirectional reflectance distribution function)。将建立的pBRDF模型与实测数据拟合,利用遗传算法进行参数反演,获得叶片漫反射率、等效折射率和表面粗糙度。通过实测值和模拟值的比较,发现该pBRDF模型可以用于叶片表面方向偏振反射特性的模拟。同时,该模型还有助于对植物叶片生理生态特性的定量分析。     

基于最小二乘支持向量机回归的背景偏振光谱二向反射分布建模分析

详细分析了土壤背景偏振光谱二向反射分布函数与探测角及探测方位角之间关系.提出了基于最小二乘支持向量机回归的偏振光谱二向反射分布函数建模,将有限实验观测条件下测量得到的少数偏振光谱二向反射分布函数扩展到2π空间范围内任意入射及观测条件.通过模型结果和实验结果分析比较,表明该模型能很好地满足准确度要求.     

基于Roujean和Ross-Li模型算法的不同户外光照南疆冬枣BRDF特性研究

不同光照下,如何消除或减小反演数据差异,提高检测精度,是目前南疆冬枣户外检测中遇到的一大难题,因此通过用高光谱相机获得的南疆冬枣二向反射分布函数(BRDF)测量值,采用最小二乘法拟合Roujean模型和Ross-Li模型的参数,最后对比Roujean模型和Ross-Li模型反演的结果,提出何种天气何段波长用何种模型反演...     

观测几何对大气偏振光谱的影响

研究大气偏振光谱在太阳天顶角SZA、观测天顶角VZA和相对方位角RAA构成的观测几何变化时的特征。采用离散坐标法求解大气矢量辐射传输方程,结合真实大气环境与结构参数,以MODTRAN太阳参照光谱仿真大气层顶初始光谱,考虑下垫面反照、气溶胶垂直分层与成分混合比及痕量气体吸收的影响,仿真计算相对方位角为0°和90°时0.4~3 μm波段大气偏振光谱,丰富大气偏振光谱信息。仿真结果表明：(1)相对方位角为0°时,偏振度DoP和Q/I随SZA的变化分别呈“V形”和倒“U”形, U/I很微弱,量级低于10-7,V/I在任何观测几何下都很微弱;(2)晨暮时段,若太阳不在视场内,大气偏振度在波长0.51和2.75 μm附近为极大值,在1.5 μm附近为极小值。因此,在不同的观测几何条件下,选择相应的波段和偏振信号,将有利于实体目标探测。     

偏振光谱的土壤湿度遥感方法实验研究

偏振探测作为一种新型遥感技术,是对传统光谱遥感探测的有益补充,为目标遥感探测提供更丰富的信息。用地物偏振光谱仪实验测量,分析土壤湿度与偏振光谱的相关性,同时研究不同观测角下的土壤表面反射光偏振光谱特性。结果表明：在土壤湿度较高的情况下,偏振光谱与土壤湿度具有一定的相关性,尤其在500～700 nm波段,湿度与偏振度呈正比关系;低湿度的情况下,偏振光谱与土壤湿度相关性不明显;此外,不同观测角对偏振光谱也有影响,如入射角固定为50°,观测角在20°～60°区间测量时,偏振度随观测角增大而增大,且观测角愈大,偏振度随湿度的变化愈显著。     

基于模糊聚类和证据理论的光谱偏振图像分类

为了将光谱偏振信息用于物质分类,提出了一种无监督聚类融合算法.算法结合偏振信息的特性,首先对Stokes参量中的非偏振光强参量、线偏振度参量、偏振角参量进行无监督模糊c均值聚类(Fuzzy C-mean,FCM),利用目标表面的偏振特性以及聚类结果分配置信指派,然后对这些置信指派进行加权融合.仿真实验表明了算法的有效性.     

基于遗传LM算法的涂层目标光谱偏振BRDF建模分析

通过比较测量方法测量得到绿漆涂层木板探测目标在400～720 nm的光谱偏振二向反射分布函数值,从获得的户外试验测量数据入手,分析与探测角、波长之间的关系,通过有限探测条件得到的光谱偏振二向反射分布函数值(BRDF)建立光谱偏振BRDF模型,来描述探测目标的偏振二向反射特性。其中利用基于小面元的模型建立光谱偏振BRDF模型,利用遗传算法和Levenberg-Marquardt(LM)算法相结合的优化算法来获得非线性模型参数。仿真实验结果表明采用的遗传LM优化算法具有较好的性能,能较快较准确得到非线性的模型参数。真实实验数据证明了基于小面元模型的正确性,表明光谱偏振二向反射分布函数建模方法结果的可靠性。最后与绿漆涂层铁板目标的模型反演参数进行比较得出：2种不同材质、相同颜色涂层的目标,具有较为接近的折射率,其较小差别可以理解为由涂层的厚度、均匀程度的不同导致,而非不同的材质所引起。     

空间相机常用金属材料表面的BRDF特性

为保证空间相机热设计中表面辐射换热计算准确可靠,基于两种金属材料的光学常数,结合Monte Carlo射线跟踪法应用几何光学近似对其粗糙表面的双向反射分布函数(BRDF)进行了研究。分析了不同入射光波长、不同入射角度及不同表面粗糙度对金属铝和钛材料粗糙表面的BRDF的影响。结果表明,金属铝和钛材料粗糙表面的BRDF分布具有明显的镜反射特征,入射平面内的BRDF峰值随入射光波长增加而增大,在本文研究的波长范围内,钛表面的BRDF随入射光波长增大的增幅最高达到41.0%,远高于铝表面的8.7%。当表面粗糙度较大时,光子在粗糙表面内会经历多次散射,粗糙表面内多次散射光子数比例随着表面粗糙度的增大而增加,并且随着入射角度的增大具有增加的趋势。     

基于多光谱遥感影像分类的城镇用地变化研究

选择上海城镇化较典型的边缘区域之一嘉定区为研究对象,基于4时相的多光谱遥感影像研究了该区域城镇用地变化情况。采用一种改进的遗传算法优化BP神经网络的遥感影像分类方法,进行了较高精度的土地覆盖类型分类。在此基础上,提取出研究区域的城镇用地类型,然后利用不同年份的4幅城镇用地图像中像素值与叠加得到的1幅城镇用地变化图像中像素值之间的16种对应关系,按板块统计研究区域内任意2个年份间隔内城镇用地变化的数量,从而检测了该区域在研究时间段内的城镇用地变化情况。     

空-谱二维蚁群组合优化SVM的高光谱图像分类

提出了一种空-谱二维特征蚁群组合优化支持向量机的高光谱图像分类算法。利用两类蚁群分别在光谱维空间和样本分布空间交替搜索最大类间距波段组合和异质样本,提取最优特征波段,降低了高光谱的波段信息冗余,去除训练样本中的异质样本,优化了训练样本特征空间分布。将蚁群组合优化后的高光谱图像和训练样本应用到支持向量机(SVM)分类器中,扩大了特征空间类间距,提高了SVM算法的分类精度。实验表明该算法总分类精度达95.45%,Kappa系数0.925 2,是一种分类精度较高的高光谱图像分类方法。     

基于几何标记模型参数反演的作物株形敏感性分析

传统的利用冠层反射光谱和光谱指数进行叶面积指数反演时,株形(利用平均叶倾角ALA等指标来表征)对叶面积指数的反演精度存在较大的影响,使得利用遥感手段进行作物长势监测和肥水调控决策时,株形因素不容忽略,以免造成遥感监测精度不高。研究首先利用模拟作物冠层反射光谱的PROSAIL模型将影响作物冠层光谱的叶面积指数等其他参数保持不变的情况下,分析了ALA对作物冠层反射光谱的影响;并基于半经验的几何光学模型对作物株形对冠层光谱影响的不同波段受到ALA变化的敏感性进行了定量分析,对于研究如何消除株形影响,提高遥感反演作物长势和叶面积指数的精度和提高作物大面积、快速遥感肥水调控决策水平具有重要意义。     

基于核驱动模型参数反演的作物株型遥感识别

传统的单一方向遥感只能得到地面目标一个方向的辐射量,缺乏足够信息来同时推断像元的波谱和空间结构。多角度的反射光谱对于植被结构特征的估算及类型鉴别比垂直光谱具有明显的优越性。将多角度观测数据和核驱动模型结合,构建了基于核参数各向同性核所占比例(f_iso),几何光学核所占比例(f_geo)和体散射核所占比例(f_vol)的植被结构参数敏感指数(SPEI)来进行作物株型的遥感识别,并将SPEI与结构散射指数(SSI)和归一化差异参数指数(NDFI)等对紧凑型品种京411和披散型品种中优9507的实测多角度冠层方向反射率数据进行了核参数的反演,不同指数对作物株型结构表现出的敏感性依次为：SPEI＞SSI＞NDFI。SPEI较以往学者构建的指数对不同株型品种遥感识别具有更好的敏感性,该方法可以在其他作物上拓展应用,具有很好的理论基础和应用前景。