动态测量的高光谱图像压缩感知

针对高光谱图像相邻波段之间具有强光谱相关性的特点,为了提高高光谱图像压缩感知的重构效果,本文提出一种利用边缘信息设计动态测量率的压缩感知算法。首先,通过随机投影的分块压缩感知方法对每个图像块以固定测量率采样,重构出单波段图像作为其他波段的先验信息,并对其提取出图像边缘区域;然后,根据每个图像块边缘信息的丰富程度来自适应分配测量值。在固定总测量数的前提下,对不同图像块分配不同的测量次数。最后,利用分配好的测量次数对其余波段进行采集和重构。仿真结果表明,在相同总测量数情况下,本文提出的动态测量算法重构出的高光谱图像质量（PSNR）与传统固定测量压缩感知策略相比提高了1~4 dB,相比较下的重构时间也减少,在成功重构高光谱图像的基础上更增强了细节处的图像质量。     

高光谱遥感图像的小波去噪方法

高光谱遥感图像是由二维空间信息和一维光谱信息组成的三维数据。普通的去噪方式通常是分别对空间信息或光谱信息进行去噪,其主要缺点是忽视了高光谱图像强烈的谱间相关性和图谱合一的特点。针对这些特点,文章提出一种基于小波变换的高光谱遥感图像去噪方法。该方法对各波段高光谱图像逐一进行二维小波变换,根据含噪声大的波段与噪声小的波段的波长关系,对小噪声波段的高频系数加权求和,代替噪声大的波段的高频系数,通过小波逆变换得到去噪后的重构图像。该方法运算速度快,能有效地降低噪声。对机载可见红外成像光谱仪数据(AVIRIS)实验表明,与经典的BayesShrink图像去噪方法相比,方法重构图像的信噪比(SNR)高出3.8～10.6 db,节省运算时间一半以上。     

光谱去相关技术在高光谱图像小波压缩中的应用

随着数据量的不断增长,如何有效压缩高光谱图像成为影响其普及应用的一个关键问题。近年来,小波压缩技术已经被证明是高光谱图像压缩方法中很有发展前景的一个,但由于其对高光谱图像特性的利用较为有限而使其性能的进一步提升受到了限制。文章根据高光谱图像的光谱特征,提出了一种基于光谱去相关的高光谱图像小波压缩方法,设计了分块预测方法来同时去除光谱间相关性和空间相关性,并将其应用于小波压缩方法之中。首先,将高光谱图像分为几个具有高谱间相关性的图像块。然后推导出各块中波段的近似成比例的特性,并在各块分别进行基于这一特性和超光谱图像其他特性设计波段预测编码。最后,将预测用的参考波段和预测后获得的偏差数据,通过小波编码技术进行压缩。实验结果表明,所设计的方法与目前先进的超光谱压缩技术相比其性能有显著的提升。与AT-3DSPIHT算法比较,最高PSNR或SNR提升幅度均能达到4.2 dB左右。此外,此方法在低比特率下的优势也十分突出。     

基于1+2维小波变换的多光谱图像压缩

提出利用1+2维小波变换技术对多光谱遥感图像进行近无损压缩.使用嵌入式块截断算法压缩谱内图像;谱间变换使用短滤波器进行1维小波变换,去除多光谱图像的谱间冗余.实验证明,加入谱间的1维变换比不加入变换,而仅仅对每个波段图像进行压缩的压缩比提高20%.整个算法是嵌入式的,复杂度适中.编码的比特流具有渐进式特性,可以过渡为高压缩比的有损压缩.     

基于谱间线性滤波的高光谱图像压缩感知

根据高光谱图像较强的谱间相关性,提出一种基于谱间线性滤波的高光谱图像压缩感知方法.高光谱图像进行压缩重构时,利用相邻波谱的谱间相关性,对重构的当前帧与前一谱段的重构图像进行谱间线性滤波,降低了重构帧的噪音信息,纠正了重构帧的轮廓信息,从而提高重构质量.在进行谱间线性滤波时,保留重构帧的低频系数,高频系数与前一波谱重构图像的高频小波变换系数进行线性加权求和,达到滤波的效果.通过实验表明,该方法能够有效提升图像重构质量,并降低重构时间.     

适用于楔形滤光片型光谱成像仪的快速无损数据压缩方法

楔形滤光片型光谱成像仪具有无运动部件、低光机复杂度等优点，是低成本微型化光谱成像仪的一个重要发展方向。不同于传统色散型光谱成像仪，楔形滤光片型光谱成像仪获取的数据是光谱-空间混合调制的图像。针对直接应用CCSDS123进行楔形滤光片型光谱成像仪数据压缩时压缩比较低的问题，结合楔形滤光片型光谱成像仪“谱像混合”、“推扫成谱”的特点，通过定义新的局部差向量，构建了一种低运算复杂度适合硬件实现的快速无损压缩方法WCCSDS123。新的局部差向量中参与计算的像元集合代表的是同一被观测点的光谱信息。WCCSDS123方法首先利用局部和与改进的局部差向量对采样点的值进行预测，再利用预测值与真实值计算预测残差并对其进行整数映射，最后采用采样自适应熵编码对映射预测残差进行编码完成压缩。在6组楔形滤光片型光谱成像仪数据上分别采用WCCSDS123和CCSDS123进行了压缩实验。实验结果表明，与CCSDS123相比，WCCSDS123的压缩比提高了约21.62%，压缩耗时没有明显差异。因此，该方法在提高压缩比同时，继承了CCSDS123复杂度低，易于硬件实现的优点。该方法WCCSDS123具有较低的计算复杂度，能够更加有效地利用空间光谱冗余信息，获得更好的压缩效果，是针对楔形滤光片型光谱成像仪的一种良好的快速无损数据压缩方法。     

三级次太阳极紫外窄波段无狭缝成像光谱仪光学设计

对太阳进行光谱成像观测是太阳物理和空间天气研究的重要数据来源。在极紫外波段对动态的太阳大气进行光谱成像观测面临着严峻挑战。传统的狭缝式成像光谱仪受瞬时视场的限制,必须通过耗时的推扫才能获取二维日面图像,系统不具有高时间分辨率,无法捕获太阳过渡区域和日冕的快速演化过程。尽管极紫外成像仪能够实现大二维视场和高时间分辨率的观测,但却无法获取光谱分辨率信息。本文基于像差校正的椭球面变线距光栅,提出了一款新型无狭缝成像光谱仪,该系统同时工作在三个光栅衍射级次(m=-1,0,1)上,这样的新颖设计不需要任何元件的机械运动,单次快照便可同时获得三幅视场为20 arcmin×20 arcmin的极紫外窄波段(29.4～31.4 nm)太阳日面图像,该仪器的时间分辨率高且视场大。不发生色散的0级次系统相当于一台极紫外成像仪,可以直接获得高分辨率空间信息(0.6 arcsec);发生色散的±1级次图像携带有空间和光谱的混叠信息,类似于计算层析成像原理。通过数据反演算法,可以从三个级次的图像中提取高分辨率的光谱信息(0.0035 nm)。     

基于压缩感知的反射光谱重构算法研究

光谱反射率描述物体的表面颜色特征,为了能够获取物体自身更加精确的颜色信息,在图像处理领域光谱反射率重构成为了关注的话题。反射光谱重构算法是对实验物体表面在可见光范围内每一波长处的光谱反射率进行重构,以达到提高物体自身颜色准确复制的精度,最后建立相应的反射光谱。尝试将压缩感知(CS)理论应用到光谱实验中,对光谱反射率进行重构。首先是介绍了压缩感知理论知识,然后把压缩感知理论与光谱反射率原理相结合,根据基于压缩感知的光谱反射率重构的理论框架,选取合适的采样值,压缩感知的采样值即压缩值,小波基作为正交矩阵,高斯随机矩阵作为测量矩阵,正交矩阵与测量矩阵需要保证具有不相关性,将原始光谱反射率从高维到低维进行线性投影,得到低维的观测信号,运行简单的正交匹配追踪算法(OMP)对低维的观测信号进行由低维到高维的高精度重构,重构得到的光谱反射率与原始光谱反射率具有相同的维度,最后将压缩感知重构算法与传统的光谱反射率重构算法伪逆法与多项式回归法进行比较。经过压缩感知重构算法得到的色差值与均方根误差值都小于伪逆法和多项式回归法重构的结果,经压缩感知的重构精度明显提高;经压缩感知重构的光谱曲线可以达到或者更接近原始光谱曲线的峰值,整体效果更接近原始光谱曲线;经多项式回归法和伪逆法重构的光谱曲线达不到原始峰值,整体上存在偏差。可以认为压缩感知用低采样的数据达到了全采样的效果,提高了光谱反射率重构的精度。基于压缩感知的光谱反射率重构算法效果明显优于传统的多项式回归法和伪逆法,可以将压缩感知理论应用到实际的多光谱成像系统中。     

三维Gabor滤波器与支持向量机的高光谱遥感图像分类

根据高光谱遥感图像的特点及二维Gabor滤波器纹理分割的原理,提出了一种基于三维Gabor滤波器的高光谱遥感图像分类方法。三维Gabor滤波器能够对高光谱遥感图像所有波段同时进行滤波,将大量的图像信息抽取为少量的不同尺寸、方向和波谱的响应,极大减少了高光谱遥感图像纹理信息提取的计算量。利用不同方向和尺寸的三维Gabor滤波器对祁连山黑河流域上游地区的Hyperion影像全波段进行滤波处理,获取26个纹理响应特征,并分析不同纹理对不同地物的区分度。利用自动子空间划分的波段指数(BI)进行波段选择,选取不同的波段组合进行试验,寻找最佳降维幅度。按照纹理对不同地物响应的区分度逐一加入三维Gabor纹理特征,利用三维Gabor纹理辅助光谱信息,运用支持向量机(SVM)的方法进行监督分类。结果表明,基于三维Gabor纹理和自动子空间BI波段选择的SVM分类方法能够在有效降低光谱维数的同时,提高高光谱遥感图像分类的精度和效率。     

哈达玛变换光谱成像仪光谱响应非均匀性修正

哈达玛变换光学是近些年发展起来的一门新技术,已经被广泛应用于目标设别、微弱信号检测等领域。基于DMD的哈达玛变换光谱成像仪是一种新型的色散型光谱成像仪。介绍了哈达玛变换成像原理,在自行研制的哈达玛变换光谱成像仪基础上,从光谱定标的角度,研究了哈达玛变换光谱成像仪获得的编码图像的光谱响应非均匀性。针对哈达玛变换光谱成像仪获得的光谱图像中叠加非均匀性噪声及光谱混叠影响光谱复原精度的问题,首次在该光谱成像仪上利用辐射度相对光谱修正和绝对光谱修正算法,对光谱响应非均匀性进行修正。仿真计算和实验结果表明,对于哈达玛变换光谱仪采集的七个波段的光谱图像,修正后的光谱曲线与辐射度计获得的谱线精度非常接近,使复原光谱的误差在2.4%～4.2%的范围,满足实验室和工程应用的技术要求。     

超光谱侦察传感器的光电设计与实验分析

超光谱光电侦察是光学探测经历了单波长、多波段之后发展起来的一个新的阶段,是基于方位和光谱三维信息的新型光电探测技术。在分析景物的光谱-空间特征的基础上,设计了UV/VIS/NIR宽波段范围的超光谱侦察传感器,并进行了成像探测实验,获得了典型场景和目标的光谱序列图像。对其进行了分析,验证了一种自动目标探测/识别的新方法。     

高光谱成像技术无损检测赣南脐橙表面农药残留研究

高光谱成像技术具备图像和光谱的双重优势,作为一种快速无损检测分析技术,检测过程无损、无污染和无接触。高光谱成像数据包括样本的图像信息和光谱信息,采集样本高光谱成像数据时,样本的每个像素点都有一条光谱与之对应,样本的每个波长都有一幅灰度图像与之对应。研究采用高光谱成像技术无损检测不同稀释浓度的农药在赣南脐橙样品表面残留随时间变化的关系。用蒸馏水把农药分别配置成1∶20, 1∶100和1∶1 000倍的溶液。然后把不同浓度的溶液滴到30个洗净的脐橙表面, 将涂有农药的脐橙分别放置0,4和20 d,然后采集在900～1 700 nm波长范围的高光谱成像原始数据。通过主成分分析获取930,980,1 100,1 210,1 300,1 400,1 620和1 680 nm共8个特征波长,基于这些特征波长做第二次主成分分析,应用PC-2图像并经过适当的图像处理方法对不同浓度及放置不同天数的农药残留进行无损检测。采用高光谱成像技术检测三个时间段较高稀释浓度的果面农药残留都比较明显。高光谱成像技术作为一种检测方法,可用于评价各个时间段较高浓度的农药残留。     

基于近红外高光谱成像技术的小麦不完善粒检测方法研究

小麦作为主要的粮食作物在我国农业生产、运输、食品加工等方面占有重要地位。不完善籽粒严重影响了小麦质量与粮食安全。不完善籽粒主要在生产、存储、包装等过程中产生，目前我国小麦质量检测多以人工分选为主，但存在人主观性较强，肉眼易疲劳，且费时费力等问题，因此，如何快速准确鉴别小麦不完善粒是现阶段提高生产率和保证粮食安全的重要问题。运用高光谱成像技术和特征波段选取方法提出一种快速有效的小麦不完善粒鉴别方法。利用近红外高光谱成像系统获得1 000粒小麦样本在862.9～1 704.2 nm共256个波段的高光谱反射图像，其中包括健康粒、生芽粒、霉变粒和赤霉粒各250粒，提取每个样本感兴趣区域的平均反射率光谱作为分类特征。本文首先对提取的全波段光谱信息进行窗口平滑、一阶导数差分、矢量归一化等数据预处理，将原始光谱数据的隐藏信号放大并消除随机误差；在预处理的基础上运用伪偏最小二乘(DPLS)和正交化线性判别分析(OLDA)对光谱进行特征提取，降低数据的冗余度；最后采用仿生模式识别(BPR)建立四类小麦的鉴别模型。实验结果表明，采用全波段光谱信息建立的小麦不完善粒鉴别模型的平均识别精度达到97.8%，分析结果可知，利用近红外高光谱成像技术的全波段光谱信息对小麦不完善粒鉴别是可行的。尽管全波段光谱信息取得了较好的鉴别效果，但高光谱成像设备较为昂贵，获取高光谱全波段光谱信息数据量较大，无法满足对现场设备运算速度的高要求，因此，采用连续投影算法(SPA)对全波段光谱数据进行特征波段的选择，使波段数量由256维降低到10维，从而提高系统的可行性和运算速度。采用选取的10个特征波段建立小麦不完善粒鉴别模型，实验结果表明10个特征波段的平均识别精度仅为83.2%，分析结果可知，尽管采用10个特征波段提高了系统实时性，但鉴别准确性较差。为达到与全波段特征基本相当的鉴别效果，利用光谱特征与图像特征结合的方法建立小麦不完善粒鉴别模型，将上述选取的10个特征波段的形态信息、纹理信息和光谱信息进行结合，实验结果表明，10个特征波段的光谱信息与图像信息结合使鉴别的平均识别精度达到94.2%，此识别效果与利用全波段光谱数据的识别效果基本相当。利用高光谱成像系统探索了小麦不完善粒鉴别的可行性，通过分析以上实验可知，基于近红外高光谱成像技术对小麦不完善粒检测具有良好的效果，在有效的提高运算速度的同时也保证了系统的鉴别精度，为后期小麦不完善粒快速检测设备的开发提供了有效的研究方向。     

卫星振动频率和振幅对高光谱成像质量影响的仿真分析和实验研究

在星载推扫式高光谱成像仪成像过程中,卫星平台以振动为典型形式的姿态运动会导致探测器上不同的地物信息相互混叠,引起高光谱图像质量的退化。为了更有效地抑制、校正与补偿卫星振动引入的成像误差,针对典型色散型推扫成像光谱仪受平台振动而产生的空间维、光谱维质量退化的机理进行仿真分析和实验研究。通过分析其曝光时间内的光谱混合过程,得到了地物光谱和卫星姿态之间的关系,建立了推扫光谱成像退化模型。该模型综合考虑了不同姿态振动模式的影响,只要给出每个时刻的卫星平台姿态参数,即可通过普适的系数矩阵计算得出每个混合像元的平均混合比,进而获得仿真的退化高光谱数据立方体。详细推导了平均混合比的一般表达形式,对振幅、频率等振动参数对光谱混合的影响分别进行了定量分析。以实际运动状态下拍摄获得的高光谱数据立方体为例,进行了退化仿真和地面模拟运动退化实验,并对退化前后的高光谱数据进行了评价。结果表明,退化仿真和实际退化效果吻合,平均混合比能够直接反映高光谱图像退化的程度;卫星振动造成高光谱图像空间维质量恶化,使不同地物目标的光谱发生了混叠;高光谱数据的退化程度主要由振幅决定,振动频率对退化的影响较小。     

基于高光谱成像的纸质文物“狐斑”检测方法研究

受保存条件影响,很多纸质文物表面会形成狐斑（foxing）,如果不能进行有效监测和科学判断,会进而影响纸质文物安全。纸质文物狐斑病害检测存在滞后性、主观性等问题,对于书画藏品被墨色、颜料及印章等覆盖的区域更是难以通过肉眼进行识别,因此,基于文物的预防性保护理念,亟待开发对于狐斑高效、精确识别的无损检测技术。可见光-近红外高光谱图像结合了光谱和图像,包含丰富的空间信息与光谱信息,可以实现无损批量地平面采集样本光谱信息。该研究提出一种基于高光谱成像技术检测纸质文物狐斑的快速识别方法,获取模拟纸质文物在360～970 nm的高光谱图像,因360～450 nm受噪声影响过大,所以选择剔除这部分光谱数据;选取感兴趣区域并获取相应的平均光谱反射率,比较健康区域与被狐斑感染区域,发现两者的光谱曲线存在差异;在450～600 nm附近,受狐斑影响区域比健康区域的光谱反射率偏高,并在600 nm附近出现波峰形态;而在600～900 nm范围内,被感染区域与健康区域的光谱都趋于平稳,两者之间差异逐渐减小。选取从特征波长对应的图像中提取的特征信息建立图像识别模型,运用波段运算观察狐斑图像特征,狐斑的大小和分布情况都能清晰地显示,但与印章和墨迹重叠部分,狐斑被印章和墨迹遮盖,难以识别;利用最小噪声分离,虽然不同部分有重叠,但能发现仅凭肉眼难以识别的隐藏的狐斑;180条高光谱数据（450～970 nm）建立狐斑判别模型,随机地分为120条数据为训练集,60条数据为测试集,应用K-近邻法与BP神经网络建立纸质文物狐斑光谱判别模型,总体上两种方法对狐斑判别率分别达到73.3%和85%;BP神经网络相较于K-近邻模型,总体判别率更高,识别效果也更好。结果表明,利用高光谱成像可高效准确识别纸质文物狐斑,为后续研究狐斑分布发展提供可靠的技术手段,也为博物馆馆藏文物的保存提供指导意见。     

大孔径静态干涉成像光谱仪数据源选择对压缩效果影响的研究

针对实际工程应用中存在的大孔径静态干涉成像光谱仪(large aperture static imaging spectrometer,LASIS)的数据压缩问题,根据LASIS的成像特点,在详细分析其数据特性之后,提出了基于光程差维数据源的压缩,并与以往的LASIS和LAMIS数据源压缩进行对比研究。选择不同的数据源获得的压缩效果不同,为了更合理的选择LASIS数据源,降低压缩算法带来的图像和光谱损失,实验以LASIS原理样机推扫获得的短波红外数据作为研究对象,在详细介绍了三种数据的数据特点以及提取方法之后,变换得到上述三种形式的数据源,采用工程中成熟应用的JPEG和JPEG2000算法对三种数据源分别进行逐帧压缩和重建,然后对压缩效果在图像维、干涉维和光谱维以及压缩比进行了详细的对比分析,并提取视场中三种目标物质的光谱曲线,对压缩前后它们的光谱信息损失进行了度量。实验结果表明,相较于采用LASIS和LAMIS数据源作为压缩对象,以LASIS光程差维数据作为压缩对象,无论是在图像维、干涉维还是光谱维的压缩评价标准下都表现出明显的优越性：同样的压缩方案下,基于光程差维数据源的压缩能在获得较高压缩比的同时获得更低的均方误差和更高的峰值信噪比,且对光谱信息的损失也是三种数据源中最小的。     

分形信号算法的CASI高光谱数据岩性特征提取

高光谱数据具有图谱合一和数据量大的特点,数据降维是主要的研究方向。波段选择和特征提取是目前高光谱降维的主要方法,就高光谱数据图像岩性特征提取的方法进行了试验和探讨。基于高光谱影像的自相似特征, 探索了分形信号算法在CASI高光谱数据岩性特征提取上的应用研究。以CASI高光谱影像数据为研究对象, 将基于地毯的方法进行修正后用于计算高光谱影像中每一像元的分形信号值。试验结果表明, 与其他分类算法相比分形信号算法增强高光谱图像的影像特征从另一个侧面更细致的描述了不同光谱的可区分性。分形信号影像在一定程度上可以更好地突出基岩裸露地区岩性特征, 从而可以实现影像地表岩性特征提取的目的。原始光谱曲线自身形态特征、初始尺度的选择以及迭代步长等对分形信号和分形特征尺度均有影响。目前,光谱曲线的分形信号特征研究还不多,对其物理意义和定量分析尚需要深入研究。     

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...     

图-谱结合的压缩感知高光谱视频图像复原

针对液晶可调滤波片高光谱成像系统记录动态场景的成像特点,提出一种图-谱结合的压缩感知高光谱视频图像复原方法。首先,通过前景目标检测获得运动前景目标的高光谱图像,实现运动前景目标与背景区域分离,并根据前景目标检测结果将背景区域划分为运动区域(被前景目标遮挡区域)与静止区域(未被前景目标遮挡区域)。然后,基于高光谱图像空间维、光谱维相关性,对静止区域进行字典学习获得稀疏先验信息,结合压缩感知理论用于运动区域恢复,得到完整的背景区域高光谱图像。最后,将运动前景目标高光谱图像与背景区域高光谱图像相结合,得到高光谱视频图像。实验结果表明:本文提出的高光谱视频图像复原方法在峰值信噪比和视觉效果上都要优于现有算法,峰值信噪比平均提高5 d B以上。     

分子超光谱成像系统及其生物医学应用

设计出一种基于AOTF(acousto-optic tunable filters)的分子超光谱成像系统(MHSI).整个系统由显微镜、分光计、CCD镜头、数据采集卡和计算机等几部分组成.系统的光谱范围为550～1 000 nm,可采集225个波段,光谱分辨率优于2nm,空间分辨率达到0.3μm.由于系统的光源对样本的...