共查询到20条相似文献,搜索用时 93 毫秒
1.
高光谱探测绿色涂料伪装的光谱成像研究 总被引:6,自引:0,他引:6
基于现有伪装涂料与植被反射光谱的本质差异,提出一种可有效识别当前所有绿色伪装涂料的高光谱成像方法.通过分析绿色伪装涂料与被子植物叶片的反射光谱及其一阶微分谱的差异,确定了星载和机载高光谱遥感探测中,可见光波段的绿色反射峰和780~1 300 nm的“近红外高原”波段反射率的波动性是识别绿色伪装涂料的有效光谱特征.对“近红外高原”波段的反射光谱进行成像是高光谱探测实现伪装目标可视识别的可行方法,尤其是对反射光谱一阶微分处理后进行成像可更加有效地识别植被环境中的绿色伪装涂料. 相似文献
2.
3.
基于高光谱成像技术应用光谱及纹理特征识别柑橘黄龙病 总被引:2,自引:0,他引:2
讨论了基于高光谱成像技术光谱及纹理特征在识别早期柑橘黄龙病中的应用。使用一套近地高光谱成像系统采集了176枚柑橘叶片的高光谱图像作为实验样品,其中健康叶片60枚,黄龙病叶片60枚,缺锌叶片56枚。手工选取每幅叶片高光谱图像的病斑位置作为样品感兴趣区域(regions of interest, ROI),计算其平均光谱反射率,并以此作为样品的反射光谱,光谱范围为396~1 010 nm。样品光谱分别经过主成分分析(PCA)及连续投影算法(SPA)进行数据降维,再结合最小二乘支持向量机(LS-SVM)分类器建立分类模型。相比原始光谱,由PCA选取的前四个主成分及SPA选取的一组最佳波长组合(630.4,679.4,749.4和899.9 nm)建立的模型拥有更好的分类识别能力,其对三类柑橘叶片平均预测准确率分别为89.7%和87.4%。同时,从被选四个波长的每幅灰度图像中提取6个灰度直方图的纹理特征以及9个灰度共生矩阵的纹理特征再次构建分类模型。经SPA优选的10个纹理特征值进一步提高了分类效果,对三类柑橘叶片的识别正确率达到了100%,93.3%和92.9%。实验结果表明,同时包含光谱信息及空间纹理信息的高光谱图像在柑橘黄龙病的识别中显示了很大的潜力。 相似文献
4.
近年来,随着军事侦察识别技术的快速发展,用于侦察探测的军事装备已经逐步实现高精度化水平,拥有高技术侦察手段的一方往往可以对目标实施精准打击,大大降低战争胜利的成本.在高光谱成像方面,目前比较成熟的有卫星遥感和高空航空成像技术,这两种成像方式侦察时间大致相同,入射光方向基本一致,并且由于高光谱设备基本垂直于地面,因而反射... 相似文献
5.
光谱偏振探测可以综合获得目标的光谱、强度、偏振态等参数,有利于改善对目标的探测和识别能力。本文介绍了基于红外高光谱偏振特性的伪装目标识别方法,搭建了长波红外高光谱偏振测量系统,开展了对两类伪装目标在不同温度下的高光谱偏振成像实验,获取了有效的实验数据并进行处理分析。结果表明:两类伪装目标即使涂覆相同的表面涂料,但受基底材料的热传导率影响, 在相同温度差异下红外偏振特性的提升量明显大于辐射亮度,并有着温差越大偏振特性提升量差异越大的规律,同时显示出波段选择性。利用两类伪装目标偏振特性提升量的差异,有效解决相同温度下伪装目标无法识别的难题。 相似文献
6.
7.
基于近红外高光谱成像技术的干制红枣品种鉴别 总被引:4,自引:0,他引:4
为实现干制红枣的快速鉴别,提出了一种基于近红外高光谱成像技术的鉴别方法。采集四个品种共240个样本干制红枣的近红外高光谱图像(1 000~1 600 nm)。通过主成分分析法(principal component analysis,PCA)、载荷系数法(x-Loading Weights,x-LW)和连续投影算法(successive projections algorithm,SPA)分别提取7个、8个和10个特征波长;基于灰度共生矩阵(gray level co-occurrence matrix, GLCM)提取第一主成分图像的纹理特征。分别以光谱特征、纹理特征、光谱和纹理融合特征作为输入,建立偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、反向传播神经网络(back-propagation neural network,BPNN)和最小二乘支持向量机(least squares support vector machines,LS-SVM)模型。结果显示,基于融合特征的模型鉴别率高于分别基于光谱特征或纹理特征的模型鉴别率;基于融合特征的BPNN模型的结果最优,对预测集样本鉴别正确率为100%。说明近红外高光谱成像技术可用于干制红枣品种的快速鉴别。 相似文献
8.
针对高光谱成像特点,提出了一种基于三维特征检测微小摄像头的方案。在空间维利用猫眼效应筛选疑似目标,在光谱维对结果进行精准判定。依据摄像头结构,分析了可见光摄像头的反射光谱特征。基于几何光学和辐射度学,计算和仿真了系统的探测距离。结果表明,正常工作时,光功率影响最小探测距离,目标尺寸影响最大探测距离。搭建了微小摄像头光谱特征验证系统。结果表明,采用吸收型红外截止滤光片的目标的非反射光占比曲线变化平缓且数值高,采用反射型红外截止滤光片的目标的非反射光占比曲线可见光部分数值高,红外部分数值低,从700 nm附近开始下降,甚至发生突变,实验数据显示,突变位置的斜率绝对值是红外波段斜率绝对值的10倍以上。实验结果与预期分析的结果一致,验证了高光谱成像技术检测微小摄像头的可行性。 相似文献
9.
针对某些特定环境下,伪装目标和背景目标出现的“异物同谱”现象,传统的可见光及多光谱遥感伪装识别存在局限性,为此,将高光谱应用到典型伪装材料的特征分析与识别。以北方地区常用丛林迷彩伪装网为研究对象,利用SVC HR1024光谱仪获取其不同浸水时间的可见光-近红外光谱,通过光谱相似性度量和包络线去除处理,分析揭示不同浸水条件下伪装网和北方典型植被光谱特征和敏感波段,并基于近红外波段构建光谱比值指数RCI,用于识别绿色植被环境中的伪装目标,最后通过高光谱成像实验获取仿真伪装环境高光谱图像,并利用高光谱图像对识别效果进行验证。结果显示:(1)不同浸水时间的丛林迷彩伪装网的光谱曲线基本形态相似,且反射率随浸水时间的增加而整体呈下降趋势;1 900 nm波段是伪装网反射光谱对含水量响应最为明显的波段,其光谱特征会因浸水处理而相似于植被,相似度从0.895提高到了0.939。(2)丛林迷彩伪装网和植被在可见光波段的相似度较高,光谱波动情况相似,但在近红外波段光谱特征差异明显。通过包络线统去除分析得出970, 1 190和1 440 nm波段附近处是丛林迷彩伪装网识别的敏感波段,且基于迷彩伪装网和各植... 相似文献
10.
基于I-BGLAM纹理和光谱融合的高光谱显微成像木材树种分类 总被引:1,自引:0,他引:1
为了提高木材树种分类的正确率,提出了一种基于I-BGLAM纹理特征和光谱特征融合的高光谱图像的木材树种分类方法。实验数据是利用SOC710VP高光谱成像仪获取的可见光/近红外(372.53~1 038.57 nm)范围内的高光谱图像。首先,利用基于OIF的特征波段选择方法降低高光谱图像的维数,选择出含有信息量大的波段。其次,对选择出的波段图像使用NSCT及NSCT逆变换得到融合图像,对得到的融合图像使用I-BGLAM提取其纹理特征。与此同时,对高光谱图像的全波段求取平均光谱并进行S-G(Savitzky-Golay)平滑得到光谱特征。最后,将得到的纹理特征和光谱特征融合后送进极限学习机(ELM)中进行分类。此外,还和基于灰度共生矩阵(GLCM)的木材识别的传统方法以及近几年木材树种识别领域内被提出的主流方法进行了比较。该研究主要创新点有两个:一是将强纹理提取器I-BGLAM用于高光谱图像中提取其纹理特征;二是提出一种新的特征融合的模型用于高光谱图像的分类。针对8个树种的实验结果表明,单独使用I-BGLAM提取的纹理特征来进行分类的正确率最高可到达88.54%,而使用GLCM提取纹理特征的传统方法正确率最高只有76.04%,该结果可以得出本文使用I-BGLAM在纹理特征提取方面要优于GLCM,这为后面建立的融合模型打下很好的基础,单独使用平均光谱特征来分类的正确率最高可以达到92.71%,使用所提出的特征融合方法所得到的分类正确率最高可达到100%,这说明使用所提出的融合模型来分类要比以前单独使用某一种特征的分类模型要好。此外,使用所提出的方法得到的分类正确率要高于本领域内其他两种主流的识别方法。因此,所提出的基于I-BGLAM纹理特征和光谱特征融合的方法能够提高木材树种分类的正确率,该方法在木材树种分类方面有着一定的利用价值。 相似文献
11.
基于数字滤波技术,提出了获取物体反射光谱数据立方体和光谱响应曲线的主动式新型高光谱成像系统。对传统WDF型瓦兹渥斯反射式单色仪进行了改装,在入射光一定的情况下,增大出射光通量,提高了照射在物体表面的光强。利用数字滤波方式代替光学窄带滤波器,解决了多个光学滤光片不能连续可调和其他滤波器成本高的问题,建立了波长连续可调,带宽可调的高光谱成像系统。针对系统的特点和采集方式,提出了适当的定标方式,其波长误差2nm。得到了绿色树叶效果良好的光谱数据立方体和响应曲线,表明提出的系统适用于实验室中小视场内的光谱成像测量研究。 相似文献
12.
波段选择是高光谱降维的常用手段,文中从波段选择应遵循的3个原则出发设计了一种基于信息散度与光谱可分性距离的波段选择算法。将高光谱数据中每个波段的光谱分量看作一个一维向量,使用K-L散度表示其相互之间的信息量,选出信息量大且相似性最小的波段组合;根据每个波段中不同地物光谱可分性距离的计算,得到可分性较大的波段组合;将两组波段组合取交集,即得到最优组合波段。为了验证算法的有效性,将选出的最佳3个波段进行伪彩色合成,对其进行光谱角制图分类,分类精度达到922%,Kappa系数为088. 相似文献
13.
波段选择是高光谱降维的常用手段,文中从波段选择应遵循的3个原则出发设计了一种基于信息散度与光谱可分性距离的波段选择算法。将高光谱数据中每个波段的光谱分量看作一个一维向量,使用K-L散度表示其相互之间的信息量,选出信息量大且相似性最小的波段组合;根据每个波段中不同地物光谱可分性距离的计算,得到可分性较大的波段组合;将两组波段组合取交集,即得到最优组合波段。为了验证算法的有效性,将选出的最佳3个波段进行伪彩色合成,对其进行光谱角制图分类,分类精度达到92.2%,Kappa系数为0.88. 相似文献
14.
为提高光谱伪装目标图像分类精度,提出了一种基于局部Gabor二进制模式(LGBP)的空间分类方法。LGBP作为一种多尺度算法,被用来提取高光谱图像的纹理特征。然后高光谱图像中的每一个像元可以用一个光谱特征向量及一个纹理特征向量表示。通过这种方法,增大类间距离。最后使用多核支持向量机结合光谱信息和空间纹理信息实现对高光谱伪装目标图像的分类。实验证明了该方法的有效性,分类总体精度和Kappa系数分别达到了95.6%和0.937。所提出的方法对于提高分类精度及鲁棒性具有重要意义。 相似文献
15.
The rapid detection of biological contaminants such as worms in fresh-cut vegetables is necessary to improve the efficiency of visual inspections carried out by workers. Multispectral imaging algorithms were developed using visible-near-infrared (VNIR) and near-infrared (NIR) hyperspectral imaging (HSI) techniques to detect worms in fresh-cut lettuce. The optimal wavebands that can detect worms in fresh-cut lettuce were investigated for each type of HSI using one-way ANOVA. Worm-detection imaging algorithms for VNIR and NIR imaging exhibited prediction accuracies of 97.00% (RI547/945) and 100.0% (RI1064/1176, SI1064-1176, RSI-I(1064-1173)/1064, and RSI-II(1064-1176)/(1064+1176)), respectively. The two HSI techniques revealed that spectral images with a pixel size of 1 × 1 mm or 2 × 2 mm had the best classification accuracy for worms. The results demonstrate that hyperspectral reflectance imaging techniques have the potential to detect worms in fresh-cut lettuce. Future research relating to this work will focus on a real-time sorting system for lettuce that can simultaneously detect various defects such as browning, worms, and slugs. 相似文献
16.
17.
波长定标是仪器遥感数据定量化的前提和基础。针对星载大气微量成分探测仪视场大、波长宽、空间分辨率和波长分辨率高的特点,建立了基于中阶梯衍射光栅的波长定标装置。中阶梯光栅因其较少的线密度和较大的闪耀角工作在较高的闪耀级次,光谱范围宽且具有较高的分辨率,可在工作波段内一次性输出多条分布较为均匀的谱线,克服了传统定标方式的缺点,提高了定标精度。本文首先介绍了波长定标装置的工作原理,接着利用该装置对高光谱大气微量成份探测仪进行波长定标,通过寻峰和回归分析给出载荷的波长定标方程,并利用标准汞灯谱线对定标结果进行检验。结果表明:高光谱大气微量成份探测仪的像元和波长近似满足线性分布规律,定标不确定度为0.025 8 nm,汞灯特征谱线的定标值和标准值偏差最大不超过0.043 5 nm,证明了定标结果的准确性。 相似文献
18.
19.
Jonne J. Goedhart Thijs P. Kuipers Vassilis M. Papadakis 《Journal of Raman spectroscopy : JRS》2024,55(5):598-614
Raman hyperspectral imaging (RHSI) is a valuable tool for gaining crucial information about the chemical composition of materials. However, obtaining clear Raman signals is not always a trivial task. Raw Raman signals can be susceptible to photoluminescence interference and noise. Hence, the preprocessing of RHSI is a required step for an effective and reliable chemical analysis. The main challenge is splitting the measured RHSI into separate Raman photoluminescence signals. Since no golden-standard exists, it is non-trivial to validate the correctness of the separated signals. While current state-of-the-art preprocessing methods are effective, they require expert knowledge and involve unintuitive hyperparameters. Current approaches also lack generalizability, requiring extensive hyperparameter tuning on a case-by-case basis, while even then results are not always as expected. To this end, this work proposes a novel iterative RHSI preprocessing pipeline for splitting raw Raman signals and noise removal based on linear spline and radial basis function regression (IlsaRBF). The proposed method involves hyperparameters based on the physical properties of Raman spectroscopy, making them intuitive to use. This leads to more robust and stable hyperparameters, reducing the necessity for extensive hyperparameter tuning. A thorough evaluation shows that the proposed method outperforms the current state-of-the-art. Additionally, a cosmic ray identification and removal algorithm (CRIR) and dynamic PCA for noise reduction are introduced. A standalone tool containing our proposed methods is provided, making RHSI preprocessing available to a broader audience, aiding further research and advancements in the field of Raman spectroscopy. 相似文献