基于宽带滤波调制的光谱成像技术实验研究

基于宽带滤波调制的计算光谱成像技术是航空航天光谱成像遥感领域中一种极具应用潜力的新型计算光谱成像技术。目前该技术主要应用于光谱测量仪器的小型化领域,缺少针对光谱成像遥感领域的相关研究。因此,针对该技术应用于光谱成像遥感领域的可行性开展实验研究。首先简要介绍宽带滤波调制光谱成像技术的基本原理;然后针对空间光学遥感工程的实际需求,采用彩色玻璃滤光片结合工业相机搭建宽带滤波调制光谱成像的原理样机系统,并对其进行光谱成像实验验证;最后分析评价所获取的光谱图像,研究影响该技术的测量精度及其主要影响因素。实验结果表明,该技术的重建光谱准确度约为23%,获取的光谱图像边缘也较为清晰,噪声约为23 dB。     

基于空-谱编码的压缩感知高光谱计算成像

压缩感知高光谱计算成像技术是当前高光谱计算成像领域的研究热点之一,其能够在保持系统元器件物理特性不变的前提下,有效地提升成像质量。本文概述了高光谱计算成像的研究背景和基本概念,详细介绍了压缩感知高光谱计算成像系统的发展现状,重点阐述了本团队提出的基于空-谱编码的压缩感知高光谱计算成像技术,并对其系统组成、数理模型以及最新进展进行了说明。通过总结压缩感知高光谱计算成像的背景知识以及空-谱编码压缩感知高光谱计算成像的研究工作,力求为科研人员探索压缩感知高光谱计算成像新体制带来新的思路,促进高光谱计算成像技术的发展。     

基于AOTF成像光谱精密测量技术的研究

声光可调滤波器(AOTF)作为光谱成像的一种新型分光元件,在运用其进行成像光谱时,一般选择入射光垂直于AOTF入射面时所对应的衍射中心波长为CCD的光谱测量波长。但在实际测量中,空间目标不同位置的光线总是以不同的角度进入到AOTF,这样就导致了CCD实际测量的光谱和以光垂直入射时所对应的光谱为测量光谱相比出现误差,影响了光谱的测量精度。采用的成像光谱系统的特点是目标光线经前置光学系统、AOTF和成像透镜后,聚焦成像于透镜的焦平面上,实现了目标光在整个系统的一次成像。此一次成像与传统的二次成像相比,能够有效的提高光能利用率和成像质量。由于AOTF的视场角为±3°,所以通过对AOTF视场角范围内衍射中心波长随入射角度变化的实际规律进行了分析研究,并对衍射波长随入射角度变化的实际测量值进行了拟合修正,得到了修正方程。实验结果表明用修正后的方程进行光谱测量,其相对误差值可以减小一个数量级。此方法可为今后提高AOTF成像光谱测量精度奠定基础。     

应用分割矩阵全局优化算法设计用于编码孔径成像的二维阵列

二维编码阵列是编码孔径成像的关键部件,它直接决定着再现的层析图像的质量。目前仍没有一种理想的二维阵列既具有较高的量子收集率,又具有良好的层析成像特性。采用一种新的方法———分割矩阵(DIRECT)全局优化算法,设计二维阵列,该算法适用于多变量“黑盒”问题的求解,并且具有比其他优化算法更快的收敛速度。其目的是设计一类自相关函数旁瓣最大值为1,同时具有最大填充率的二维编码阵列。理论分析及实验结果表明:用该算法搜索得到的二维阵列既具有较高的量子收集率,又具有良好的层析成像特性。     

基于堆栈压缩自编码的近红外光谱药品鉴别方法

由于近红外光谱在药品鉴别应用中具有分析速度快、样品无损、可现场检测等突出优点，目前已在众多领域中广泛应用。但近红外光谱存在信噪比低，吸收强度弱且谱峰重叠等缺点，无法从光谱中直接得到定性/定量的物质信息，因而近红外光谱分析技术常作为一种间接分析技术，并且光谱的化学计量学建模方法成为近红外光谱分析的核心内容。深度学习是机器学习的一个新的分支，并已经成功运用于多个领域。深度学习的网络结构和非线性的激活能力，使其模型特别适合高维、非线性的大规模数据建模。为进一步丰富近红外光谱建模方法，并提高近红外光谱分析技术的回归精度或分类准确率，将深度学习方法应用于近红外光谱分析，发展新的建模方法十分必要。面向近红外光谱定性分析技术，提出一种基于堆栈压缩自编码网络(SCAE)光谱定性分析方法，并应用于多类别药品的光谱分析，以区分或鉴别不同厂家生产的同种药品。压缩自编码网络(CAE)以自编码网络(AE)为基础，进一步加入雅克比矩阵作为约束项。自编码网络最初是用实现数据降维，以学习数据内部特征，而雅克比矩阵包含数据在各个方向上的信息，将其作为AE的约束项则可使提取到的特征对输入数据在一定程度下的扰动具有不变性，从而提高AE提取特征的能力。SCAE是一种由多层CAE构成的神经网络。前一层CAE的隐藏层作为后一层CAE的输入层，网络的全部参数是通过采用逐层贪婪的训练方式来获取的，训练结束后将所有网络视为一个整体，通过反向传播算法进行微调，最后使用Logistic/Softmax分类器进行定性分析。实验数据均为中国食品药品检定研究院采集，以头孢克肟胶囊作为二分类实验数据，硝酸异山梨酯片作为多分类实验数据。通过Bruker Matrix光谱仪测定每个样本在不同波长下的吸光度值得到其光谱曲线，再通过OPUS软件消除漂移等因素对光谱样本之间产生的偏差。接下来通过实验确定约束项雅克比矩阵的系数λ为0.003之后建立模型。建模过程分为五个阶段，分别为： 预处理阶段，预训练阶段，微调阶段，测试阶段和对比阶段。为了验证SCAE在分类准确性、算法稳定性和建模时间等方面的性能，与BP神经网络、SVM算法、稀疏自编码(SAE)和降噪自编码(DAE)开展对比实验研究。分类准确性方面，在不同的训练集与测试集的比例下，SCAE均有最佳的分类准确性与算法稳定性。建模时间方面，由于SVM算法不需要预训练和特征提取，所以运行时间方面比其他算法有大的优势，但是SCAE建模速度优于除SVM之外的其他对比算法。综合而言，使用SCAE进行药品鉴别有效可行。     

基于编码孔径的一维光谱压缩方法研究

在研究现有光谱压缩概念和方法的基础上,提出一种新型的压缩方法。不同于各种基于软件算法的光谱压缩,提出一种利用编码孔径的硬件实现方法。在光学系统中加入编码孔径对光谱进行光学压缩,可以实现光谱数据的瞬时编码,经编码孔径压缩的光谱可以通过与编码形式对应的解码算法重建。在此基础上研究了编码解码的具体形式。提出基于小波变换和缺陷矩阵理论的两种编码板形式,以及基于小波逆变换和稀疏矩阵梯度投影的迭代算法的解码重建算法。用实物光谱进行模拟,比较不同的编码形式的压缩比和保真度。提出存在采用低采样频率压缩编码还原具体光谱信息的可能性,并总结了压缩编码的一般原则。     

基于衍射理论的哈达玛编码光谱成像数据重构

哈达玛变换光谱成像技术是一种在不牺牲分辨率的情况下,通过多通道复用的方法增加光学系统光通量,使得系统信噪比显著高于传统成像的新型计算光谱成像技术.本文针对系统成像过程中数字微镜器件衍射造成的图像降质问题,建立了基于标量衍射理论的哈达玛编码光谱成像图谱数据退化模型,提出以Lucy-Richardson (L-R)算法为核心的重构数据修正算法,提高重构数据立方体的图像质量和光谱精度.通过对成像过程的模拟和重构算法的仿真实验,数字化生成了系统成像衍射降质的物理过程,并验证了本文所采用修正方法的有效性.经过L-R修正之后的复原数据立方体的光谱角距离评价结果为0.1296,图像相似度评价因子优于0.85,相比修正前的重构数据质量有较大提升,表明算法对哈达玛编码光谱成像数据的重构及修正具有较好的效果.     

光谱滤波技术对星等测量精度的影响

 白天对空间目标进行观测时,采用光谱滤波技术可以提高光电系统的极限星等探测能力。针对光谱滤波探测特点,基于现有测量方法,结合光谱反射特性,分析了光谱滤波技术对测量精度的影响,给出了修正方法;利用光电系统对某空间目标进行了实际测量,根据事后修正方法进行了仿真研究,对实际测量值与事后修正值进行了比对分析。分析表明：光谱滤波技术虽然提高了光电系统的探测能力,但对测量精度带来了较大的影响,最大精度可为0.5等星。     

基于多光谱成像的光谱反射率重建

一些对颜色重现要求较高的应用领域需要获取目标表面上各点的光谱反射率。大多数天然物质表面的光谱反射率曲线比较平滑,可视为几个基向量的线性组合。基于这一原理的多光谱成像技术可以准确快速地重建目标表面的光谱反射率。通过对NCS色卡进行主成分分析,得出了彩色印刷品光谱反射率的基向量。建立了一个多光谱成像系统,用以比较基向量个数不同对反射率重建效果的影响。     

基于非负矩阵分解的中红外地表特性光谱重建方法

在中红外遥感领域,高光谱地表反射率/发射率等地表特性具有极高的应用价值和应用需求,但利用卫星遥感手段难以获取吸收波段的高光谱地表反射/发射特性,且通过光谱重建获取全波段的地表特性方法仍存在很多问题。为解决中红外全波段地表特性光谱重建所面临的难题,基于约翰霍普金斯大学(Johns Hopkins University, JHU)地物波谱库和中分辨率成像光谱仪(MODIS)短波红外和中红外地表多光谱卫星产品,提出了一种利用非负矩阵分解(NMF)重建高光谱地表反射率的方法,对2.5～5.0μm中红外光谱范围内的地表反射/发射率进行光谱重建,重建后的光谱分辨率可达10 nm。首先基于JHU地物波谱库选取4种典型地物类型(土壤、植被、人造材料和岩石),建立地物光谱库样本信息,再利用MODIS传感器光谱响应函数,根据等效计算公式将2.0～5.0μm波段范围反射率结果重采样到10 nm光谱间隔、共301个波段,得到JHU地表反射率光谱数据集。对光谱数据集进行非负矩阵分解处理,提取4条端元向量光谱曲线,结合MODIS短波红外和中红外4个波段(2.13、 3.75、 3.96和4.05μm)的全球月均地...     

基于网格编码量化的超光谱图像压缩

提出了一个基于小波网格编码量化的超光谱图像压缩方法。谱间和空间冗余处理构成了超光谱图像压缩算法的主要内容,该算法使用一个谱间差分预测步骤来去除谱间冗余,而后对预测残差图像进行小波变换并利用均匀阈值网格编码量化(trellis-coded quantization)方法来量化各小波子带,最后使用自适应算术编码对量化码字进行熵编码。为使编码器能为所有子带获取率-失真意义上最优的量化阈值,设计了一个基于子带统计特性和网格编码量化器率-失真特性的比特分配算法。在实验中,该算法表现出优良的压缩性能,对于实验的超光谱图像,该方法在压缩比为32时可得到37．1dB的峰值信噪比,这表明本算法能有效压缩超光谱图像,适于超光谱图像压缩应用。     

基于谱间和帧内差分脉冲编码调制的超光谱图像无损压缩

以超光谱遥感图像为研究对象,分析了干涉成像光谱仪获取图像的谱间和空间相关性,提出一种三维差分脉冲编码调制（ DPCM）无损压缩方案。首先进行了谱间DPCM预测;然后,对残差图像进行帧内DPCM预测;最后,对差分码流进行二值自适应算术编码。实验表明,该算法可实现无损压缩,压缩比平均可达1.662,较二维整数小波变换算法提高了15.6％,且算法复杂度较低,仅有加减和移位运算,易于硬件实现。     

压缩感知光谱成像技术的编码孔径与探测器匹配优化

编码孔径光谱成像仪在实际应用中存在着编码模板与探测器分辨率不匹配从而降低系统分辨率的问题。针对该问题进行了两种情况分析,并通过数学理论建模给出了相应的解决方案。对于编码模板分辨率高于探测器分辨率这一情况,提出引入邻域嵌入超分辨技术的方法,实现了基于压缩感知的超分辨光谱成像。对于编码模板分辨率低于探测器分辨率这一情况,提出区块阈值划分的编码孔径,将编码微元按照区块阈值重新划分并进行灰度分级,从而实现低分辨率编码模板的高分辨率编码孔径。利用梯度投影稀疏重构(GPSR)算法进行数据立方体重建,实验结果表明:运用基于超分辨理论的编码孔径快照光谱成像系统所测得的光谱图像更精准,内容更丰富;采用基于区块阈值划分的编码孔径的编码孔径快照光谱成像系统具有更高的空间分辨率和光谱分辨率。结果证实优化后的编码孔径快照光谱成像系统,其分辨率和成像质量大幅度提升,并实现了高分辨率元件的100%利用。     

基于小型加速器的编码中子源成像研究

编码中子源成像可以在对中子注量率影响不大的情况下大大提高成像的准直比, 从而提高成像质量.北京大学开展了基于小型加速器的编码中子源成像技术研究工作. 不同于已有的基于反应堆的小面积编码板的研究工作, 北京大学建立了基于小型加速器的大面积编码板的编码中子源成像实验平台, 并对加速器中子源上的实验方法和数据处理进行了探索, 对比了重建算法, 获得了初步的重建照片.研究工作表明, 编码中子源成像技术可用于加速器中子源, 但重建图像质量仍须提高. 关键词： 加速器中子源 中子成像 编码源成像 图像重建     

基于独立成分分析法ICA的多光谱重建

构造了一个6通道,8-bit多光谱相机(MSC)模型作为图像采集装置(包括一个三色数码相机和一个滤光片),在多光谱成像技术基础上,通过模拟相机的数码响应,对物体表面的反射光谱进行重建。由数码相机的响应值得到物体的光谱反射比。使用独立成分分析法来进行数据压缩,光谱重建结果分别用CIE1976色差,光谱反射比RMS误差和反射比相对误差进行评价。20例训练样本的平均CIE1976色差为0.1579,平均反射比均方差为0.0099,平均反射比相对误差为0.0107;12例待测样品的平均CIE1976色差为0.7150,平均反射比均方差为0.0309,平均反射比相对误差为0.0312。结果说明,基于独立成分分析法的光谱重建是一种有效的光谱重建方法。     

光谱滤波技术对星等测量精度的影响

白天对空间目标进行观测时,采用光谱滤波技术可以提高光电系统的极限星等探测能力。针对光谱滤波探测特点,基于现有测量方法,结合光谱反射特性,分析了光谱滤波技术对测量精度的影响,给出了修正方法;利用光电系统对某空间目标进行了实际测量,根据事后修正方法进行了仿真研究,对实际测量值与事后修正值进行了比对分析。分析表明：光谱滤波技术虽然提高了光电系统的探测能力,但对测量精度带来了较大的影响,最大精度可为0.5等星。     

折射率调制矩阵的Bragg光栅光谱分布特性研究

为了实现对光纤光栅回波光谱分布的控制,利用传输矩阵法构建了分段调制折射率的数学模型。通过在各个分段中以不同形式的折射率调制组合实现对回波光谱分布的控制,研究了基于不同折射率分布条件下的谱形特性,为实现获取任意形态的Bragg光谱分布提供了理论支撑。系统结合耦合模理论与矩阵传输算法,当分段后子光纤光栅尺寸符合边界条件时,即仍可应用耦合模理论计算,同时又可以将多段的耦合方程以正、反向模式的形式通过矩阵函数进行表达。由此可知,虽然任意折射率调制组合构成的整个光纤光栅不具备通解形式,但分段后的子光纤光栅具有可解析的特性,同时再利用矩阵传输算法可以将m段子光纤光栅的正反向模式进行计算,就能将任意形式光纤光栅的折射率调制函数转化为传输矩阵组,再对其反射率分布场进行解析。最终,可以得到整个光纤光栅的等效正、反模式,即实现回波光谱分布的控制。由理论部分可知,回波光谱分布特性主要受正反向导模耦合系数、纤芯位置、分段数决定,可由(z)和k(z)表示。通过MATLAB仿真分析可知,两参数在(0, 1)范围内对反射率函数具有明显的调制作用。随着控制参数阶数的增大,反射率调制斜率也会增大;当k(0.38, 0.48), (0.52, 0.58)时,反射率调制符合单调特性。从而得到了不同控制参数条件下反射率函数的分布变化,讨论了耦合系数对回波谱形控制的量化效果。实验利用AVESTA公司的Ti: Sapphire飞秒激光器完成了四种不同结构光纤光栅的制作,采用了四种折射率分段调制的FBG结构,分别是：①在m段中Λ₁和Λ₂交替均匀分布;②在m/2段中Λ₁和Λ₂交替均匀分布,其余段随机分布;③在m/2段中Λ₁和Λ₂随机分布,其余段也随机分布;④在整个光纤光栅段折射率随机分布。对以上四种FBG的回波光谱分布进行测试与比较,可知采用分段折射率调制对Bragg光谱特性的作用效果。实验结果显示：当以矩阵组形式的FBG若在m段分布时,则与传统串联型均匀FBG测试效果一致,具有两个明显的Bragg特征峰;而矩阵组在m/2段中分布时,测试光谱仍能明显获取折射率调制特征信息,即存在两个Bragg特征峰,但峰峰值减小,噪声谱增大,半宽变窄。同时,相比交替模式而言,随机分布形式此种变化趋势更为明显。由此可见,通过控制矩阵组分布对回波谱形中特征峰值、半宽及功率谱进行调制。该方法在预先设计折射率调制矩阵的条件下,可以对Bragg光谱分布进行精确控制,实现目标回波谱形的获取。     

基于宽带多通道的光谱反射率重建方法研究

复制的多光谱数据获取要求图像数据具有设备无关、场景无关特性,能够真实客观表征物体颜色信息。针对获取系统扰动、噪声误差以及光谱重建中训练样本典型代表性与相关性要求,提出了基于正交回归的光谱重建算法,并通过子空间跟踪的训练样本选择算法,选择重建样本与训练样本集中相关性与代表性最好的样本参与光谱重建。实验通过改造后的仙娜宽带多通道成像系统进行验证,数据表明本文提出的方法,所选训练样本能较好的表征样本空间并具有较好的正交性,在宽带多光谱成像方面,重建光谱平均色度误差为3.6,其光谱精度与色度精度较其他方法具有明显提高。