基于多尺度特征的高光谱端元提取方法

为提升高光谱端元提取效率,避免同种地物端元的多次重复提取,根据高光谱同种地物光谱曲线主要特征近似、全体像元中端元个体两两具有极大差异的原则,提出了一种基于多尺度特征的高光谱图像端元提取方法,即多尺度特征像元纯度指数方法(MSPPI).首先利用一维离散小波变换获取多尺度的光谱信息,然后利用光谱角距离和欧式最小距离提取相应的多尺度的光谱特征,并利用像元和其邻域内像元点之间的关联,引入距离测度提取纯像元,最终实现端元提取.通过在高光谱数据库USGS和AVIRIS中的实验验证算法有效性,并与SPPI算法和N-FINDR算法进行对比.结果表明:MSPPI算法能够提取全部端元,且每种地物端元提取百分比低于5%,SPPI虽然能够提取全部端元但提取百分比均高于10%,端元重复提取现象严重,而N-FINDR不能有效提取小面积地物,说明MSPPI算法性能优于N-FINDR算法和SPPI算法.

基于光谱特征的粘胶纤维混色纺纱过程呈色机理分析

针对现有色纺纱配色模型对纤维集合体呈色机理解释上表述模糊的问题,对原液着色粘胶纤维集合体在纺纱过程中的颜色变化机理进行了探究。实验纺制了36组不同混色比条纱样品,利用欧式距离和光谱角距离分别量化各组不同状态纤维集合体间的光谱幅值差异和形状差异,并以基于CMC(2∶1)公式的色差评价为对照,结合基于类别可分比(CSR)公式的差异性判别准则对量化的光谱差、色差大小作以横向比较,分析了纺纱过程中纤维集合体形态改变对反射光量与单色光成分的影响,其中,在生条与熟条间,样品CSRED和CSREcmc均值分别为2.87、 2.17,表现近似,且有30组样品对应CSRED>1, 23组样品对应CSREcmc>1,光谱的辐射差异较色差表现更稳定,在熟条与纱线间,dED和ΔEcmc有相同趋势的更大幅度改变,全部样品CSRED和CSREcmc均大于1;以上过程中,样品光谱的形状差异均保持较小的尺度,并条与纺纱前后,分别有20组、 22组样品对应CSRSAD>1,且其均值分别为1.69、 1.60,并不随加工进行而发生显著变化。由此得出,在纺纱过程中,因纤维排列和聚集态的重塑,反射光的量(明度)呈减小趋势,且气流纺阶段是发生变化的主要阶段,而光质(色相)并不在此过程发生显著变化。进一步地,依据纤维的光反射理论,即纤维的反射光的量主要受外反射光影响,而色度主要受内反射光的影响,可以得出纺纱加工主要影响了纤维的外反射光,而对内反射光不具有解释力。另一方面,还验证了综合光谱幅值和形状特征的SAD-ED公式对色纺纱颜色差异的表征能力,CSRSAD-ED可分辨31组生条熟条样本,可分辨全部条纱样本,该方案较CMC(2∶1)公式更具敏感性和稳定性,为色纺纱的颜色评价提供了新思路。

光谱角—欧氏距离的高光谱图像辐射归一化

辐射归一化旨在减小不同时相遥感影像间因获取条件不一致而导致的非地表辐射变化的差异,是土地覆盖变化监测的重要前提条件。本文根据高光谱图像上同类地物的谱形及数值的相似性,利用光谱角距离(SAD)和欧氏距离(ED)双重判定选取不变特征点,提出了一种基于光谱角—欧氏距离的辐射归一化方法。在评价指标中除了常用的均方根误差和相对偏差,更增加了高光谱特色的衡量光谱保真性指标:皮尔森系数、光谱扭曲程度。利用高光谱遥感CHRIS图像对本文提出方法进行验证,并与基于多元变化检测(MAD)的辐射归一化方法比较。结果表明,本文方法不仅在辐射特性上优于基于多元变化检测(MAD)的方法,而且具有保持光谱特性的优势,具有较好的应用前景。

基于空间像素纯度指数的端元提取算法

为了减小光谱变化以及异常像素点对端元提取结果的影响,根据局部区域内纯像元和混合像元光谱特征的不同,提出一种基于空间像素纯度指数的端元提取算法.将光谱角距离和欧氏距离加权相加作为新的混合距离测度;采用固定大小的邻域窗口计算图像中所有像素的空间像素纯度指数,在此基础上,根据光谱角距离测度和设定的端元光谱区分性阈值依次搜索端元.仿真数据和真实高光谱图像实验结果表明:该算法能够准确地提取图像中的端元,并且精度高于其他一些端元提取算法.

基于均值漂移聚类的端元束提取

为了能够在不需要事先知道地物类别数目的情况下进行光谱的有效聚类,采用均值漂移算法完成聚类这一步骤。根据同一种地物光谱存在变异性的情况,使用了光谱角距离作为均值漂移聚类算法的相似性准则。用模拟高光谱数据和真实高光谱数据进行实验,结果表明基于改进后的均值漂移聚类的端元束提取方法较传统的K均值算法更能有效地形成代表每种地物类别的端元束。

肉类新鲜度光谱检测模型构建及误差对比分析

针对传统肉类新鲜度检测方法复杂、速度慢等问题,在试验室常温条件下采集猪肉反射率光谱数据,对肉类新鲜度的光谱检测方法进行研究,并分析不同建模方法以及不同样本采样间隔对预测精度的影响。结果表明:1)基于光谱角距离测度准则构建的加权模型,肉类新鲜度检测结果精度最高,决定系数(R^2)为0.999 7,均方根误差(RMSE)为3.427 5;2)基于欧氏距离测度准则和三次多项式拟合法所构建的模型,其R^2分别为0.998 1和0.998 1,RMSE分别为8.572 5和8.473 5。基于光谱角距离测度准则构建的加权内插模型,可以作为肉类新鲜度光谱快速检测模型使用,其检测精度在3种方法中最高。