光纤视场合成四维光谱成像仪

作为现代遥感技术最重要的发展之一,光谱成像仪在军事、地质、海洋、大气探测等各个领域都有着广泛的应用。然而传统的色散或者干涉光谱成像仪由于需要多次曝光来扫描数据立方体,并不适合于场景快速变换的情况。四维(4D)光纤视场合成光谱成像仪,一种将特制光纤束置于望远镜的像面并成线性排列输出到光谱仪的技术,使得光谱成像仪能够通过单次曝光便获取目标的数据立方体,从而具有观测高速目标和瞬变现象的能力。搭建了一套桌面实验系统,在可见光谱段获得4.2nm的光谱分辨率,对彩色目标的成像效果良好。对光纤束排列误差进行了分析,并给出了校准方法。     

基于ACE算法的高光谱隐蔽目标探测

隐蔽目标的探测一直都是军事上重点研究的领域,随着高光谱成像技术的发展,为这一领域提供了新的解决思路。利用高光谱数据高的谱间分辨率,可在某些波段实现对隐蔽目标和背景的光谱区分,提出了一种基于ACE(alternation conditional expectations)算法高光谱隐蔽目标探测技术,充分利用背景和隐蔽目标在不同波段光谱不同的特点,引入光谱重排技术和一阶微分技术,使得背景光谱出现振荡,从而提取出目标。相较其他算法,该文提出的算法提取精度高、虚警率低,实现了较好的隐蔽目标探测效果。     

星载超光谱成像技术发展与展望

超光谱成像技术由于能够同时获取目标的空间信息和光谱信息,显著提高了空间遥感技术对地物的探测和识别能力,在对地观测和深空探测领域具有广阔的应用前景。总结了星载超光谱成像技术近三十年来的国内外研究现状,对国内外典型超光谱成像仪的技术指标、技术特点和应用领域进行了论述。分析结果表明：高空间分辨率、高光谱分辨率是超光谱成像技术未来的发展趋势,offner光栅色散型超光谱成像仪是一个重要的发展方向。     

光谱成像技术在海上目标探测识别中的应用探讨

光谱成像可同时获得光谱和空间信息,这使得光谱成像技术在解决复杂海洋环境背景下目标探测与识别时表现出独特的优势,已成为光电目标检测领域的一个前沿研究方向。对光谱成像技术的原理、特点进行了讨论并重点列举了该技术在探测领域的应用;介绍了光谱成像技术在海上目标探测识别中的研究进展,并对光谱成像技术在该领域的应用价值进行了探讨。     

基于CDP的宽波段光谱成像仪研究

为满足动态目标实时光谱成像的应用需求,设计了一种基于CDP(crossed dispersion prism)的静态、快照式的光谱成像仪。对其光谱成像原理进行了理论研究,并根据理论研究结果对宽波段CDP光谱成像仪光学系统进行设计。该光谱成像仪由CDP分光系统、成像光学系统和面阵探测器组成,视场角为4°,焦距为110 mm,工作波段为0.6~5.0 μm。设计结果表明,该仪器在0.6~5.0 μm的波段范围内具有较好的光谱成像能力,平均光谱分辨率为20 nm。该技术为实时获取动态目标光谱信息及位置信息提供了一种新方法,同时该技术在对未知高能目标探测、定位以及识别方面具有很大的潜力。     

高光谱遥感的发展与应用

阐述了高光谱遥感的特点、优势,以及在航空及航天领域的发展情况,列举了几种典型高光谱成像仪的光学系统原理和主要技术指标。在此基础上,概述了高光谱遥感在植被生态、大气环境、地质矿产、海洋、军事等领域的应用情况。最后对高光谱遥感发展趋势提出了几点建议,包括低反射率目标遥感、高信噪比、高空间分辨率及宽覆盖范围等方面。     

宽视场大相对孔径高光谱成像仪光学系统设计

宽视场大相对孔径高光谱成像仪已成为航空海洋水色遥感等领域的应用需求。根据宽视场和大相对孔径的研究目标,采用离轴Schwarzschild望远成像系统和改进型Dyson光谱成像系统匹配的结构型式,设计了一个视场为40°、相对孔径为1/1.8、工作波段为0.35~1.05μm的航空遥感高光谱成像仪光学系统。基于像差理论,分析了改进型Dyson光谱成像系统球差校正原理,运用光学设计软件Zemax对高光谱成像仪光学系统进行了光线追迹和优化,并对设计结果进行了分析。分析结果表明,设计的光学系统在各个波长的光学传递函数均不小于0.82,谱线弯曲和谱带弯曲均小于像元尺寸的5%。这便于光谱和辐射定标,完全满足设计指标要求,且系统体积小、重量轻,适合于航空遥感应用。     

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。     

基于光谱成像的目标识别技术综述

从光谱成像识别机理出发,概述了光谱成像识别的最新应用,较为详细的讨论了多光谱信息获取以及多光谱识别算法两项关键技术。在多光谱信息获取方面,列举了国内外多种多光谱成像传感器的设计方案,并给出了优缺点评述。在识别算法方面,以目标与诱饵的光谱特性为前提,以光谱识别中是否融合时间、空间信息为分类依据,分别讨论了单一光谱维、时序光谱维,以及空间光谱维上的聚类识别特征选择问题,并给出了几种识别算法的原理。     

哈达码变换光谱成像仪数据复原算法

从哈达码变换光谱成像仪成像原理出发,对其光谱成像过程进行数学建模,分析了哈达码模板调制引起光谱信息混叠和空间信息混叠的原因,提出了一种根据光谱偏移量去除混叠的算法.采用自行研制的哈达码变换光谱成像仪进行了目标数据采集,用提出的去混叠算法对目标数据进行复原,得到目标的三维数据立方体,有效去除了空间信息混叠和光谱信息混叠,验证了算法的正确性.     

超光谱成像探测系统的图谱标定和评估

超光谱成像是一种场景图谱合一的技术,在战场侦察中得到了迅速应用。超光谱成像系统的标定是确定其输出准确数值的过程。分析了一种基于背照减薄CCD和凹面光栅成像光谱部件的UV/Vis/NIR超光谱军用探测系统,其光谱分辨力为3.3 nm;探讨了0.25～1.1μm工作波段内超光谱成像系统的标定和评估方法,详细介绍了以带有测试靶均匀辐射源为对象的空间成像质量评估、以激光和Hg灯为基础的光谱质量评估以及利用高精度标准辐射源的辐射性能标定。在经过多步辐射校正和光谱真实性检测验证后,最终获得的景物反射率光谱曲线真实反映了光谱特性,满足了0.2mrad的空间分辨力和±0.5％色散线性率的精度要求并在军用探测系统中进行了反伪装的成功应用。     

基于光谱吸收靶标的成像光谱仪光谱定标方法研究

中心波长和带宽是影响成像光谱仪数据定量化应用水平的两个重要光谱性能参数。针对覆盖光谱范围较窄的可见光与近红外波段成像光谱仪,提出了一种利用人工光谱吸收靶标进行光谱定标的方法,论证和建立光谱吸收靶标光谱定标方法的数学模型。在同一环境下利用成像光谱仪和ASD光谱仪对地面光谱吸收靶标进行准同步光谱测量,并进行反射率计算,然后通过光谱匹配计算中心波长偏移量和带宽变化量。利用该方法对设计带宽为6 nm的可见光与近红外波段的成像光谱仪进行了地面定标实验。实验结果表明,该方法能够作为外场光谱定标的辅助手段,提高成像光谱仪的定量化应用水平。     

Algorithms of target detection on hyperspectral imagery

With the development of airborne and spaceborne remote sensing from the 1980s, as a new and growing technology, hyperspectral imaging is widely used in different fields, such as military investigation, battlefield information acquisition, environmental monitoring, mineral exploration and public security. Because of the unique characteristic of acquiring spectral and spatial information simultaneously, it brings the hyperspectral detection advantages when dealing with target detection problem under complex conditions. Target detecting models of hyperspectral image are established, including the target subspace model and the probability statistical model. And several algorithms are introduced, which are based on original spectral features, sub-space projection and probability statistical model separately. Comparison shows that if the background includes fault objectives, GLRT is the best algorithm, and its SINR is the largest; on condition of anomaly target detection, LPTD is the best, and have a quite high SINR.     

融合自适应稀疏表示和相关系数的高光谱伪装分类方法

目前比较成熟的高光谱成像手段有卫星遥感和航空成像技术,这两种成像方式侦察时间大致相同,入射光方向基本一致,因而地物的光谱曲线比较固定;在陆基条件下,地物的光谱曲线受成像环境的影响凸显,因此应该对适用于陆基条件下的高光谱图像分类方法进行研究。在陆基高光谱图像中,对每个地物进行类型以及种类的判别有利于后续对目标的识别和处理,不同于传统遥感图像分类,陆基条件下的高光谱图像目标分类训练样本不仅较难获得,并且在陆基条件下的高光谱图像中,训练样本之间的相关性随着目标类型、探测器参数以及成像环境等因素时刻发生变化。基于稀疏性表示的分类方法已经被广泛应用于处理图像问题以及各种机器视觉问题。对于陆基高光谱图像来说,基于固定范数约束的稀疏编码策略无法适应陆基条件下高光谱成像多变的环境,而自适应稀疏表示可以根据样本相关性自适应的调节范数约束,相关系数可以提高图像中的破坏因素（阴影、噪声点等）的识别精度。通过引入正则化参数,融合了自适应稀疏表示和相关系数,提出了一种新的高光谱图像分类方法。为了验证所提方法的有效性,分别在绿色植被背景和荒漠背景中设置伪装物,通过不同的分类方法对图像进行分类,实验结果表明,不管是分类精度还是分类一致性,该方法都有明显的优势,可以应用于陆基条件下的高光谱图像分类,为目标分类提供了理论基础。     

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。     

绿色植被可见-近红外反射光谱模拟材料研究进展

成像光谱技术能够同时获取目标的图像特征和光谱特征,很容易识别与背景环境光谱特征区别较大的传统伪装材料。近年来,成像光谱得到了迅速发展,经历了多光谱技术到高光谱技术的跨越,传感器的探测波段数、光谱分辨率、空间分辨率的显著提高。得益于各国ISR无人机技术的应用,高光谱传感器由星载拓展到机载,可以在更近距离对军事伪装目标进行识别,对具有重要价值的军事目标的生存能力构成巨大挑战。目前,应对高光谱的伪装材料主要设计思路是,选择材料或材料体系具有与环境背景相似的颜色和光谱反射特征（传感器探测范围内）进行复合,目的是与环境背景达到“同色同谱”来躲避高光谱侦察。绿色植被是最常见的伪装背景,也是本领域绝大部分研究的光谱模拟对象,其反射光谱曲线在可见近红外波段具有：“绿峰”、“红边”、“近红外高原”和“水吸收带”四个主要特征,分别由叶片的组织结构以及叶绿素和水分产生。离体叶绿素光热稳定性较差,不能直接用作伪装材料,所以寻找和合成稳定性好、具有类叶绿素结构及光谱特征的分子是当前的研究热点之一。此外,铬绿和钴绿是常用的伪装颜料,具有类似绿色植被“绿峰”、“红边”和“近红外高原”光谱反射特性,研究者将其与高吸水填料复合来引入“水吸收峰”,大致模拟出绿色植被反射光谱,但是想要实现精确模拟,仍存在一些难以解决的问题。从绿色植被光谱特征出发,分别阐述了模拟绿色植被可见光区和近红外光区光谱特征的材料选择依据及体系;同时介绍了它们在精确模拟植被光谱时存在的问题,以及通过改性和复合来提升光谱相似度和耐候性的相关研究工作,总结并展望了绿色植被光谱模拟材料要解决的重难点问题和发展方向。     

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。     

农产品外部品质无损检测中高光谱成像技术的应用研究进展

高光谱成像技术是一种传统图像及光谱的融合技术,可以同时获取研究对象的空间及光谱信息.由于图像数据能反映农产品的外部特征、表面缺陷及污斑情况,而光谱数据又可以对物体内部物理结构及化学成分进行分析.因此,近几年在农产品品质无损检测中引起越来越多的关注,成为一个研究热点.为了跟踪国内外的最新研究成果,对高光谱反射及荧光成像技术应用于农产品(水果、蔬菜、肉类、谷物等)的外部品质检测进行了分类综述,以期为高光谱技术在农业方面更广阔的应用提供参考.     

海面弱小目标高光谱融合技术研究

海面目标受海水扰动影响,难以被宽波段光电传感器探测识别。高光谱传感器可以获取海面目标和水体的光谱数据,利用目标和海水的光谱特性差异可以有效抑制海面扰动影响,提高探测识别能力。针对高光谱数据降维融合容易丢失海面弱小目标问题,研究了弱小目标光谱数据融合方法。通过相似性分类产生类矩阵,由类矩阵主成分变换的降维投影矩阵来投影变换原有光谱数据,获得降维数据矩阵。降维矩阵通过空间变换转换到RGB彩色空间,生成伪彩色融合图像。通过远距离弱小目标和水中鱼群高光谱数据,验证了改进方法的融合性能。实验结果表明:相似性分类融合方法不仅能将高维光谱数据融合成一幅伪彩色图像,还能有效避免弱小目标融合丢失问题,提高了目标探测识别能力。     

推扫型高光谱数据光串扰校正方法研究

串扰是成像光谱仪非理想成像特性中的一种,分为电串扰和光串扰,它广泛存在于现有的成像光谱仪之中。推扫型高光谱数据的光串扰使目标像元受到临近像元的影响,目标像元光谱曲线发生变化,图像的清晰度降低。基于推扫型成像光谱仪的成像原理,提出一种针对推扫型高光谱数据的光串扰校正方法。从高光谱数据中选取包含白色定标布地物的区域作为参考数据,通过行间差值方法得到所有白色定标布像元产生的总光串扰量;对总光串扰量进行拟合以抑制噪声,并通过递归方法计算单个白色定标布像元所产生的光串扰量;使用该串扰量对整景数据进行光串扰校正。选用三景不同地物类型的PHI数据进行光串扰校正,结果显示,校正后数据的光串扰现象得到明显的抑制,数据质量在光谱维和空间维均得到有效提升。在光谱维,由光串扰引起的光谱曲线变化得到校正;在空间维,图像清晰度提高50%以上的波段数占总波段数的83%。校正方法直接从高光谱数据本身提取光串扰量,并对数据光串扰现象进行校正,不依赖于其他外部数据,且适用于不同的地物类型。该光串扰校正方法亦对实验室测定成像光谱仪的光串扰量具有借鉴意义。