用于多光谱、高光谱和超光谱成像的算法与技术XII

第二部分 九、大气测量仪器、测量和预报 42．三年来从EOS AQUA卫星上的大气红外探测仪（AIRS）的高光谱数据中获得教训（H．H．Aumann等,美国喷气推进实验室）     

用于多光谱、高光谱和超光谱图像的算法

一、探测与识别 1.光谱子空间匹配滤波技术(特邀论文,A.P.Schaum,美国海军研究实验室) 2.配有超光谱自适应匹配滤波器的探测器:实际性能比较(D.G.Manolakis等,美国林肯实验室) 3.利用光学实时自适应光谱鉴别系统进行超光谱成像的自动目标识别系统(D.Gillis等,美国海军研究实验室) 4.定量研究长波红外超光谱成像器的探测性能随波段数的变化(R.T.Mayer,美国海军研究实验室)     

多光谱、高光谱和超光谱成像技术与算法

1．用于目标探测的高光谱多路径测绘技术(A．P．Schaum,美国海军研究实验室)2．在杂波背景中识别三维物体(Y．Liu等,美国加利福尼亚大学)3．在高光谱图像中探测异常事物的新方法(P．E．Clare,英国国防科技实验室)4．把收集参数与物体／异常事物探测性能联系起来的光谱质量方程式(S．S．Shen,美国航空航天公司)5．用于高光谱目标探测与识别的整系统建模(J．M．Nothard等,英国QinetiQ)     

用于多光谱、高光谱和超光谱成像的算法与技术Ⅻ(SPIE Vol．6233)

第二部分九、大气测量仪嚣、测量和预报42.三年来从EOS AQUA卫星上的大气红外探测仪(AIRS)的高光谱数据中获得的教训(H.H.Au- mann等,美国喷气推进实验室) 43.利用AIRS/AMSU数据改善探测和误差估计(J.Susskind,美国航空与航天管理局戈达德航天中心)     

多光谱、超光谱成像技术在军事上的应用

对多光谱、超光谱成像技术的原理、特点,以及二者之间的区别和联系等技术问题进行了较为详细的讨论,并重点列举了该项技术在军事上的应用,较全面地介绍了多光谱、超光谱成像技术在军事应用中的使用方法和研究状况,以及成像光谱仪器的发展水平和有关技术,并对该技术的发展趋势进行了展望。     

从单波段到超光谱--面向多维信息感知的红外光谱成像技术

从单一波段红外成像探测的截止波长及单波段探测的局限性讨论开始,介绍了红外光谱成像的基本概念,阐述了多色、多光谱、高光谱、超光谱成像在军事应用领域的用途和意义,并介绍了多通道、多色传感器及分光等实现光谱成像的技术手段以及国外发展情况,讨论了该领域的未来发展趋势。     

一种用于超光谱成像系统中消高级次光谱集成滤光片的设计与研制

介绍了一种用于工作波段0.4~2.5μm超光谱成像系统中消高级次光谱集成滤光片的设计与研制.针对offner凸面光栅分光的工作特点,通过在同一光学基片上划分三块不同的几何区域,分波段实现超光谱成像仪全光谱范围内因光栅分光引起高级次光谱的抑制与消除,同时保证工作波段的光学效率优于93%.采用精细掩模技术,保证不同波段之间过渡区域的尺寸小于30μm,有效提高光谱利用效率.     

多光谱成像

美国专利US7420678 (2008年9月2日授权)对于某些应用来说,现有的成像系统并不是最佳的。例如,为了准确地测定一个物体(例如处于空间中的一个物体)的一种或多种材料特性,现有的系统可能会提供太多或者太少的图像信息。如果图像信息不足,就115     

基于超像素分割的RGB与高光谱图像融合

本文提出了一种基于超像素分割的RGB与高光谱图像融合方法。首先,利用在线字典学习法由低空间分辨率的高光谱图像数据学习得到光谱字典。然后,通过光谱字典的线性变换,得到与高光谱图像同一场景的RGB图像字典。其次,对RGB图像进行超像素分割,并根据分割结果在每一个超像素块中进行稀疏编码,得到稀疏矩阵中的系数包含了RGB图像的空间信息。最后,将稀疏编码矩阵与高光谱图像谱字典相结合重建得到高空间分辨率高光谱图像。实验结果表明,该方法不管是在主观视觉上的图像恢复质量,还是在峰值信噪比等客观指标上均具有优势。     

基于高程和地物光谱约束的多光谱图像预处理算法

分视场滤光片型多光谱相机在利用拼接和配准生成多光谱图像时,受云、水等特殊地物的影响,利用现有方法生成的结果图像上容易出现条带噪声和错配现象。提出了一种三维信息约束下的尺度不变特征转换(SIFT)图像配准和地物光谱特性约束下的多光谱图像预处理算法,该算法利用三维信息约束的SIFT算子提高配准精度,同时在地物光谱特性约束下选取有效的辐射校正点提高图像拼接时各条带图像灰度的校正精度。实验结果表明,利用该方法对分视场多光谱相机数据进行预处理时,即使图像上存在云、水等特殊区域的地物,结果图像仍能保持高精度配准且无条带噪声。     

基于全局结构和自相似性约束的高光谱多光谱图像融合

光谱信息丰富的高光谱图像被广泛应用于航海、军事、农业等领域,但其空间结构信息较为匮乏、图像空间分辨率较低。鉴于此,提出了一种基于耦合稀疏表示策略的高光谱和多光谱图像融合方法。该策略首先将高光谱图像进行光谱学习得到完备字典,其次把多光谱图像的全局结构和光谱自相似性作为约束条件,实现空间结构信息和光谱信息的充分利用,最后进行全局凸优化求解得到高质量融合图像。通过开展非盲融合及盲融合实验,进一步验证上述算法对于高光谱图像重建空间分辨率的提升效果。实验结果表明,本算法的峰值信噪比(PSNR)、全局相对误差(ERGAS)、均方根误差(RMSE)的值分别为46.78 dB、0.77、1.39。相较其他算法而言,基于此算法的融合效果图具有更丰富的纹理细节、重建误差更小。     

高空间分辨率和高光谱分辨率遥感图像的融合

1 引言 在遥感成像系统的设计中,空间分辨率和光谱分辨率常常不可兼得,因为高光谱成像系统的光谱带宽很窄,必须用较大的瞬时视场(IFOR)才能收集足够多的光量子以维持可接受的信噪     

高光谱成像传感器

Photon etc公司推出一批基于布拉格可调光栅滤光片的高光谱成像传感器。这种传感器能够在紫外-可见光-近红外的任何波长处获取图像,其光学带通为0.25nm～100nm和350nm～2.5μm,非偏振光的效率     

空间高光谱成像通道可编程技术

随着光学、信号处理和焦平面探测器等基础技术的不断发展,当今在空间运行的高光谱成像仪已可以达到几十至几百个波段,并且具有相当高的信噪比和动态范围,但一般仪器由于数据量偏大,导致遥感作业效率偏低,这在一定程度上限制了它的应用范围,而且高光谱通道数的提高与空间平台的数据传输资源之间的矛盾日益突出.为此,介绍了空间高光谱成像系统中的通道可编程技术,可以较为有效地克服数据传输问题.     

用于多光谱、高光谱和超光谱成像的算法与技术XII(SPIE Vol.6233)

第二部分 九、大气测量仪器、测量和预报 [42.] 三年来从EOS AQUA卫星上的大气红外探测仪(AIRS)的高光谱数据中获得的教训(H. H. Aumann等, 美国喷气推进实验室)     

用于多光谱、高光谱和超光谱成像的算法与技术Ⅻ

第一部分 一、探测与识别 1.高光谱图像的结构模型中正交子空间投影探测器与匹配滤光片的分析比较(P.Bajorski,美国罗彻斯特理工学院)