面向多光谱卫星成像的广义光谱超分辨率

针对多种多光谱卫星成像模式,对原始光谱超分辨率概念进行扩充,提出一种联合数据驱动与模型驱动的深度学习算法。模拟构建的多个数据集,讨论了不同多光谱成像模式下的光谱超分辨率之间的差异,验证了所构建算法的稳健性,提高了现有多光谱卫星影像利用率,对光谱超分辨率的更广泛情形进行了概括。

研究傅里叶变换光谱超分辨率的一种新方法

应用傅里叶退卷积、自回归模型与截断奇异值分解相结合的方法（简称为ＦＡＴ方法），获得了比采用常规变换方法高得多的光谱分辨率。与研究光谱超分辨率的其它方法相比，用ＦＡＴ方法进行光谱超分辨率估计，有分辨率高、谱线细锐、抗噪声能力强和无伪峰等许多优点。

基于分组双阶段双向卷积长短期方法的高光谱图像超分辨率网络

文章提出基于分组的双阶段Bi-ConvLSTM网络(GDBN),可以充分利用图像的空间和光谱信息,通过使用以波段为单位的分组策略,有效缓解了计算负担,并对光谱信息进行保护。在编码器的不同阶段,对浅层信息提取模块和深度特征提取模块进行不同层次信息的提取,浅层信息提取模块能够对不同尺度的浅层特征信息进行充分捕捉,深度特征提取模块能够捕捉图像的高频特征信息。文章还引入通道注意力机制,增强网络对特征的组织能力,并在自然数据集cave上进行大量实验,效果普遍优于目前主流的深度学习方法。

超光谱分辨率紫外双通道共光路成像光谱仪设计

针对超光谱分辨率成像光谱仪多通道探测需求,本文设计了一种超光谱分辨率紫外双通道共光路成像光谱仪。该成像光谱仪望远系统采用视场离轴的离轴三反结构,分光系统采用了具有小型轻量化优点的改进型Offner结构。通过对Offner光谱仪结构的理论推导,得出了满足超光谱分辨要求的双通道共光路Offner初始结构参数。为了提高成像光谱仪的成像质量,在Offner结构中引入弯月透镜,并对系统进行逐步优化。最终得到的双通道共光路成像光谱仪工作波段为280~300 nm和370~400 nm,在奈奎斯特频率为27.8 lp/mm时,双通道的调制传递函数(MTF)均优于0.8,全视场均方根半径(RMS)均小于9μm,光谱分辨率均优于0.1 nm。本文研究对天基超光谱探测成像光谱仪小型化、集成化设计具有重要意义。

一种用于预测航空遥感影像光谱信息的深度学习方法

为从航空RGB遥感影像中预测高光谱影像中有用的地物属性信息,提高航空RGB遥感影像光谱的分辨率,提出一种轻量型的深度学习网络模型。所提模型组合了密集卷积神经网络架构和自适应注意力机制的优点,构建了一种新型密集注意力卷积神经网络模型(dense attention convolutional neural network model,DACNN model)。在真实的多模态AeroRIT场景影像和同源的雄安航空遥感影像上的多种定量对比实验结果表明,所提出的网络架构可以生成与原始高光谱遥感影像相似的空间特征和光谱特征,并且所需参数量显著降低,具有较好的性能和适用性,且所提模型架构方法具有一定的通用性。

基于双重注意力机制的RGB成像光谱重建方法研究

光谱图像比RGB图像存储的信息量更大,理论上具有更广泛的应用范围,然而受限于光谱成像设备成本高、数据处理复杂等问题,目前主要应用在遥感、军事及天文学等特定领域。近年来,学者们提出了利用RGB图像通过数学方法重建光谱图像的解决方案,能够极大提高光谱图像的应用范围。然而,当前光谱重建方法普遍存在图像细节易丢失、光谱精度不够高等问题,因此,提出一种基于双重注意力机制的RGB图像光谱重建方法,从图像细节和光谱精度方面提高光谱图像重建质量。所提出的光谱重建方法设计了一种稀疏信号深度重建网络,重点针对RGB图像的稀疏特性,从准确提取图像信息的多层次特征、挖掘更多语义信息入手,实现稀疏信号到完备信号重建。在网络结构上,所设计的光谱重建网络首先利用小参数卷积提取RGB图像的浅层特征信息;然后引入有效多频率通道注意力机制,计算特征层各通道之间的相关性,通过层间加权实现特征响应的有效分配;同时建立层特征加权融合注意力机制,学习不同层特征之间的依赖关系,通过不同层加权实现权重的优化,以便提取有效的光谱深度特征;最后基于所提取的深度特征通过卷积生成指定维度的光谱图像。该实验利用python3.7编程语言,以pytorch1.2作为深度学习模型框架,综合光谱图像误差和RGB图像误差作为损失函数进行光谱重建网络的训练。在NTIRE 2020和CAVE数据集上,对所提方法与7种主流光谱重建方法进行对比验证,从主观方面来看,该方法恢复的光谱图像细节更清晰、误差更小;从客观指标方面分析,该方法重建出的光谱图像与目前已有文献中重建性能较好的方法相比,在R RMSE、R SAM、R ERGAS指标上分别降低了18.9%、16.6%、22.2%,而R PSNR指标提高了4.5%。实验结果证明了该方法在RGB图像光谱重建的有效性。

光谱分析与光谱测量

O433.1 96052877用相位共轭光谱法测量K原子的超精细结构=Measurementof hyperfine structure fo K atomsby phase conjugate spectrometry[刊,中]/张为俊,高晓明,韩亚农,张军毅,周金运,季明,王沛,阎逢旗,夏宇兴（中科院安徽光机所.安徽,合肥（230031））∥量子电子学.—1996,13（1）.—93利用激光相位共轭光谱装置,进行了39K原子的超精细结构的初步研究,测量了超精细分裂。

基于光谱库优化学习的光谱超分与分类精度提升

光谱库优化学习是将光谱库中的光谱数据作为训练样本,在严格理论推导下构建字典优化学习过程。基于光谱库优化学习,本研究提出了一种光谱超分辨率重建方法,该方法在稀疏表示框架下,通过波段匹配,将光谱库映射为与待重建高光谱图像波段相对应的特定光谱库;并利用映射后的特定光谱库与高分多光谱图像,从理论上推导、并构建基于ADMM算法的光谱字典与稀疏系数优化学习过程。多种数据集上的对比分析表明,即使仅使用一幅高分多光谱图像,本研究方法仍能恢复重建出高质量的高分高光谱图像,同时光谱超分辨率重建后的高分高光谱图像可显著提升地物分类精度。结果表明,本研究实现了仅由一幅高分多光谱图像到高分高光谱图像的高质量光谱超分辨率重建。

Ultra High Energy Cosmic Rays： Spectral Signatures and Observations

The observations of Ultra High Energy Cosmic Rays （UHECR） are renewed, focusing on the energy spectra as measured by HiRes, Telescope Array （TA） and Auger detectors （PAO）. It is found that highest energy Auger steepening does not agree with GZK cutoff, which is most probably explained by the nuclei mass composition detected by Auger. At present the difference in mass composition in Auger and HiRes/TA data remains the main unsolved problem of UHECR origin.

应用于高精度大气CO_2遥感的空间外差技术研究

针对大气二氧化碳高精度反演对卫星载荷测量技术的极高要求,通过与传统的色散型和干涉型光谱测量技术的比较,介绍了一种新型的超光谱测量技术即空间外差光谱技术。依据航天条件下的载荷技术需求,较详细地介绍了探测原理和仪器结构,展示了这种技术获取超光谱分辨率和高信噪比数据的能力,以及小体积、轻质量和低功率等在航天环境下的重要技术优势。在此基础上,利用本所自主研制的原理样机进行了大气二氧化碳探测实验,结果表明其观测数据精度能够良好地应用于二氧化碳反演,其探测结果与日本碳嗅卫星(GOSAT)观测结果相一致,说明空间外差技术具有应用于卫星对地探测大气二氧化碳的能力。