面向可见光-红外图像的跨模态行人再识别方法

为降低模型对图像颜色的敏感度,减小可见光和红外模态间的差异,提出一种面向可见光-红外图像的跨模态行人再识别方法。将可见光图像转换到HSV颜色空间,提取只描述图像明暗信息的V分量,降低模型对颜色信息的依赖性;通过轻量级网络对V分量图像进行降维和升维,生成介于可见光和红外图像的中间模态,缩小模态间的差异性;在SYSU-MM01和RegDB数据集上进行性能评估。性能评估结果为Rank-1的数值分别增加了6.67%、1.18%,mAP的数值分别增加了6.47%、1.15%,mINP的数值分别增加了5.59%、0.42%。

输电线路山火可见光-红外多光源精准定位技术

近年来,输电线路附近山火频发,严重威胁到电网的安全稳定运行。为定位输电线路附近的山火,依据双目立体定位模型,利用输电线路分布式山火监测装置的可见光/红外双波段摄像仪进行了山火定位技术研究。建立了基于色调、饱和度、亮度（Hue,Saturation,Value,HSV）颜色空间的山火可见光图像识别模型;提出了一种基于可见光-红外双目视觉的输电线路山火定位方法,该方法以火焰图心作为立体匹配的特征点,克服了异源异步可见光/红外双目火焰图像匹配困难的问题,实现了火点到摄像仪距离的自动测量;针对山火监测装置摄像仪外部参数标定困难的问题,建立了以云台旋转中心为原点的输电线路坐标系,提出了一种火点到输电线路最短距离的精准计算方法,最终实现了山火相对输电线路的精准定位。最后,通过试验研究,验证了所提方法的可行性和有效性,且对500 m范围内火点的深度定位误差≤6.6%,满足实际应用要求。

基于光照感知和特征增强的可见光-热红外图像语义分割

在智能光电设备中,基于人工智能的可见光-热红外(Red Greed Blue-Thermal, RGB-T)图像语义分割任务可以广泛应用于自动驾驶、无人机航拍、视频监控等。图像的光照信息能在一定程度上反映场景中图像局部区域信息的可靠性,利用光照先验信息有助于进一步提高语义分割的性能。基于此,提出一种基于光照感知和特征增强的RGB-T图像语义分割模型,通过挖掘光照先验信息并结合注意力机制,引导网络在多模态图像特征融合过程中更加关注可靠信息的提取,同时抑制干扰信息的引入。实验在MFNet数据集上与最新的12种方法进行了比较,相比于性能第2的模型,mAcc提高了5.4%,mIoU提高了1.0%。所提网络模型能够获得更准确的分割结果,并通过定性定量实验验证所提模型及各个模块的有效性。

可见光-近红外伪装分散染料墨水的制备及其性能

针对当前分散染料墨水其喷墨印花织物仅能与背景环境“同色”而不能“同谱”,无法有效躲避现有侦察技术的问题,开发了一套可见光-近红外伪装分散染料墨水。通过模拟绿叶、土壤和枯叶的反射光谱特征,筛选了特定分散染料,探究了印花工艺对织物伪装及服用性能的影响,通过超细化加工制备了分散染料墨水并探究了其性能。结果表明:调控分散蓝60、分散深蓝SUBC 12、分散橙30、分散黄CPY 015、分散红CPM 011与炭黑复配比例及印花工艺制备的仿绿叶、土壤和枯叶印花织物,其伪装及服用性能良好;5种分散染料墨水的粒径均小于173.00 nm,离心、耐热、高温储存和常温储存稳定性均高于80%,过滤流速分别为200、375、188、428、167 g/min,喷墨印花性能良好。

颗粒度对喀斯特型铝土矿可见光-近红外光谱特征的影响

岩矿反射光谱是智能矿山岩矿智能感知技术以及遥感信息识别的重要参考依据,由于地物表面粗糙度对反射光谱的影响取决于粗糙高度值与波长关系对电磁波传播的影响,因此颗粒度是影响岩石和矿物反射光谱特征的重要因素之一。喀斯特型铝土矿在中国分布广泛,目前有关铝土矿的反射光谱基础数据还非常匮乏。为了探究颗粒度对喀斯特型铝土矿反射光谱的影响规律,本文选取贵州省修文县小山坝喀斯特型铝土矿为研究对象,采用地物光谱仪测试不同颗粒度铝土矿(铝土岩)样品的可见光-近红外反射光谱,并结合铝土矿(铝土岩)主量元素和矿物组成分析讨论铝土矿与铝土岩的光谱差异。结果表明:小山坝铝土矿(铝土岩)由于矿物组成的不同而呈现显著不同的光谱特征,其中铝土矿的反射光谱特征主要与一水硬铝石一致,在1400nm和1800nm波长处有明显的波谷特征,由OH振动谱带所致;铝土岩的反射光谱特征主要与高岭石一致,在1400nm、1900nm、2160nm和2200nm波长处有显著的波谷特征,分别由OH倍频合频、H_(2)O的振动谱带以及Al-OH基团拉伸和弯曲振动的合频所致,且在2160~2200nm波段呈双吸收峰特征。此外,不同颗粒度铝土矿(铝土岩)的整体反射率均较高,最高超过28%,且变化趋势基本相同。随着颗粒度从<0.04mm增加到3mm,铝土矿和铝土岩的反射率均逐渐减小,且铝土矿特征波谷的整体吸收强度相对稳定,而铝土岩特征波谷的吸收强度呈逐渐增大的趋势。本文研究认为可采用小颗粒度的粉末样品在1800nm、1900nm、2160nm和2200nm波长处的特征光谱进行铝土矿和铝土岩的区分。

基于可见光-短波红外波谱反射率的裸土土壤含水量反演建模

土壤是地表能够生长植物的疏松土层。它由不同矿物质、有机物质、空气、水分、微生物等组成,其中土壤含水量变化较大,利用遥感技术快速准确的反演土壤含水量具有重要意义。针对反演土壤含水量受土壤类型影响较大的问题,提出构建归一化光谱斜率吸收指数(normalized spectral slope and absorption index,NSSAI),用于削弱土壤类型对土壤水分反演影响。其建模方法如下:首先在野外采取不同类型的土壤样本,制备不同土壤含水量的土样,利用ASD光谱仪采集不同含水量下的土壤反射率光谱,然后根据各类土壤在不同含水量下的光谱响应规律,提取短波红外水分的光谱吸收特征和可见光波段的土壤光谱斜率,综合两者在降低土壤类型影响土壤含水量反演精度的各自优势,构建归一化光谱斜率吸收指数,进一步建立该指数与土壤含水量之间的线性拟合关系来计算土壤含水量。实验结果表明,与传统利用单一土壤水分光谱吸收特征参数及其变形的方法相比,基于NSSAI构建的土壤含水量反演模型拟合精度较高(相关系数为0.93),在土壤含水量较低和较高的情况下都能有效排除土壤类型差异造成的影响,提高了裸土土壤含水量的反演精度。

基于可见光-近红外漫反射光谱的红壤有机质预测及其最优波段选择

有机质是土壤肥力、土壤质量的重要指标,同时也是土壤碳库的重要组成部分。传统的土壤有机质测试方法费时、繁琐,难以满足快速监测土壤有机质含量的需求。近年来,具有无损、快速、简便等优点的可见-近红外光谱技术的应用为土壤有机质的快速监测提供了有效途径。

土壤可见光-近红外反射光谱与重金属含量之间的相关性

发展基于反射光谱技术的快速、简便、低成本的土壤重金属信息提取方法是区域土壤重金属污染治理所需要的。选择江西贵溪铜冶炼厂污染区，分析了9种重金属元素（Cu、Pb、Zn、Cd、Co、Ni、Fe、Mn及Cr）与土壤可见光-近红外反射光谱之间的相关性及其相关的原因。研究表明，研究区土壤中存在Cu（含量介于66．71-387mgkg^-1之间）和Cd（含量介于0．36—6．019mgkg^-1之间）的强烈富集。土壤重金属含量与反射光谱之间存在显著相关，污染元素Cu的最高相关系数为-0．87，Pb、Zn、Co、Ni、Fe的最高相关系数达到高度相关（｜r｜〉0．80），Cr、Cd、Mn的最高相关系数达到显著相关（｜r｜〉0．70）。微分光谱适于获取土壤中的重金属元素信息，利用组合波段能显著提高相关性。Cu与反射光谱之间的相关性主要受有机质的影响；Pb、Zn、Co、Ni主要受黏土矿物和铁锰氧化物的影响；Cr与反射光谱之间的相关性同时受有机质和黏土矿物的影响。

可见光-近红外光谱预测粳稻食味的适应性研究

利用黑龙江省、吉林省、辽宁省和江苏省的88份常规粳稻品种,建立了适合中国粳稻食味评价的可见光-近红外光谱预测模型。感官食味试验采用小样品感官试验综合评分法,其相关性分析和逐步回归结果表明,感官综合评分与气味、色泽、外观完整性、味道、口感均呈极显著正相关。通过粳稻感官食味评分值与可见光-近红外光谱值的回归分析,得到7个自变量（4个波长的吸光度、碎米率、裂纹米率和香气系数）的预测回归方程,其相关系数R均达到0.699~0.799的极显著相关,经验证该预测回归方程能够较好的预测粳稻的米饭食味品质。

基于可见光-近红外光谱的煤种分类方法

利用便携式地物光谱仪SVC HR-1024对92个烟煤和58个褐煤样本进行光谱测试,烟煤和褐煤在可见光-近红外波段光谱特征差异明显,褐煤的光谱反射率及其斜率均明显高于烟煤.在光谱特征分析的基础上,利用MAO模型法、随机森林法、BP神经网络法和ELM算法进行煤种分类.结果表明:MAO模型法和随机森林法的分类结果较优.若进行大面积、快速遥感识别时,对分类时间要求较高,应选择MAO模型法;若是小面积单一矿区分类,对分类准确率要求较高,选择随机森林法较为恰当.

可见光-近红外波段土壤水分含量偏振光谱响应变化研究

通过在350～2 500nm波段范围内对不同水分含量的土壤进行偏振光谱测试与分析,确定土壤偏振光谱数据与水分含量之间的关系,研究土壤水分含量对偏振光谱的响应与变化,并确定最佳土壤含水量偏振光谱预测模型。结果表明,微分偏振光谱模型的精度要高于偏振光谱模型和吸光度模型,且模型均呈现拐点含水量,发现不同偏振状态下的拐点含水量均在30%附近,具有一定的规律性。

非接触式可见光-近红外光谱法快速预测天然高分子材料表面粗糙度的研究

利用触针式轮廓法测量了天然高分子材料木材的表面粗糙度,并对可见光-近红外光谱与实测表面粗糙度参数之间的相关性进行研究,探讨了非接触式光谱法快速预测天然高分子材料表面粗糙度的可行性。结果表明:(1)样品三个切面的可见光-近红外光谱(400～2 500nm)均可预测样品表面粗糙度,实测值与预测值相关系数可达0.92,其中利用样品横切面光谱所建的模型效果最好;(2)在分段光谱400～780nm,780～1 100nm,1 100～2 500nm,780～2 500nm,400～2 500nm范围内,所建模型表面粗糙度参数的实测值与预测值相关系数可达0.80以上,显著相关,其中400～2 500nm区域所建模型效果最好;(3)光谱预处理并不能提高模型预测效果,建议利用可见光-近红外光谱预测天然高分子材料表面粗糙度时采用原始光谱数据。

可见光-近红外光谱的低品位斑岩型铜矿反演模型

目前,国内外铜矿品位分析多以化学分析法为主,但由于化学分析法存在成本高、时间长和污染物残留等缺点,其相对配矿流程存在严重的滞后效应,致使尾矿铜含量过高,必然造成资源浪费。开展斑岩型铜矿可见光-近红外光谱特征与建模研究是解决这一问题的有效途径。以121个乌山斑岩型铜矿的化学分析与光谱测试数据为数据源,分析了斑岩型铜矿可见光-近红外光谱特征,以主成分分析法(PCA)、局部线性嵌入算法(LLE)两种降维算法对原始光谱数据进行了处理,所降维数分别为3维和5维,同时利用遗传算法(GA)对原始光谱数据进行了波段选择,共选取了467个最佳波段。然后以BP神经网络为建模方法,并分别以92个和29个斑岩型铜矿可见光-近红外光谱数据作为建模样本和测试样本,建立了斑岩型铜矿可见光-近红外光谱的定量反演模型。利用原始数据所建模型的品位反演平均绝对误差为0.104%,利用主成分分析法、局部线性嵌入算法、遗传算法处理后的数据所建模型品位反演平均绝对误差分别为0.110%, 0.093%和0.045%,由此可见,利用主成分分析法处理后的数据所建模型品位反演精度较差,利用局部线性嵌入算法处理后的数据所建模型品位反演精度略有提高,而利用遗传算法处理后的数据所建模型品位反演精度有明显提高。研究结果表明,基于低品位斑岩型铜矿可见光-近红外光谱数据反演模型的品位分析具有一定的可行性,为我国低品位斑岩型铜矿的品位快速检测提供了一种有效的手段。

可见光-近红外光谱的矽卡岩型铁矿反演模型

铁矿资源是我国国民经济基础产业中的重要组成要素,在我国经济发展中有举足轻重的地位。铁矿品位的检定效率对铁矿石开采效率有重大影响。目前,铁矿石品位的化学分析检定法,不仅存在成本较高,化验周期长的问题,更主要的是其无法实现铁矿品位原位测定,相对配矿流程存在滞后效应,无法有效降低矿石开采的损失贫化率;基于可见光-近红外光谱分析的铁矿品位原位测定技术是解决这一问题的有效途径。以225个红岭矽卡岩型铁矿测试样本的可见光-近红外光谱数据及化学分析数据为数据源,首先对原始数据进行了平滑处理,并分析了矽卡岩型铁矿可见光-近红外光谱特征,然后利用倒数对数、多元散射校正(MSC)两种预处理方法对平滑后的光谱数据进行处理,再分别以主成分分析法(PCA)、遗传算法(GA)两种降维算法对预处理前后的光谱数据进行了处理,获取了六种不同预处理组合算法处理后的数据源。其中以PCA降维算法所降维数分别为3维、3维、7维;以GA降维算法所降维数分别为477维、489维、509维。最后基于随机森林(RF)和极限学习机(ELM)建立了矽卡岩型矿石金属铁品位的定量反演模型,以决定系数(R^(2))、均方根误差(RMSE)和平均相对误差(MRE)三个指标分别对模型的稳定性、精确度、可信度进行评价。结果表明,经MSC处理及PCA降维后的数据基于ELM算法建立的定量反演模型效果最优,其R^(2)可达0.99、RMSE为0.0057、MRE为2.0%,该方法所建模型对红岭矽卡岩型铁矿品位反演精度有明显的提升。对矽卡岩铁矿品位的实时、快速分析提供了一种有效的方法,对实现矽卡岩型铁矿的高效开采具有重要的现实意义。

融入可见光-近红外高光谱吸收特征的新型植被指数估算天然草地FAPAR

考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation,FAPAR)有很好的关联,综合"高光谱曲线特征吸收峰自动识别法"与"光谱吸收特征参量化法",提取对FAPAR敏感的高光谱吸收特征参数,借鉴可见光-近红外植被指数的数学形式,尝试用优化组合后的可见光-近红外光谱吸收特征参数替代光谱反射率,构建新型植被指数估算植被FAPAR,并利用2014年和2015年内蒙古自治区中部与东部地区天然草地典型群落冠层实测光谱数据进行FAPAR估算建模与验证。结果表明:新型植被指数"SAI-VI"不仅有效提高了单个光谱吸收特征参数在高、低覆盖区域估算FAPAR的精度,而且相比五种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数,其与FAPAR值的相关性更高(存在最大相关系数=0.801),以其为变量的指数模型预测FAPAR精度更高且稳定性较好(建模与检验的判定系数均最高且超过0.75,标准误差与平均误差系数也相应最小)。研究表明:融入可见光-近红外高光谱吸收特征的新型植被指数"SAI-VI",强化了可见光波段与近红外波段光谱吸收特征的差别,相较单一光谱吸收特征参数,在降低土壤背景影响的同时增强了对FAPAR变化的敏感度。同时,"SAI-VI"有效综合了对植被FAPAR敏感的光谱吸收特征信息,相较原始光谱反射率,能表达植被光合有效辐射吸收特征的更多细节信息,可作为植被冠层FAPAR反演的新参数,一定程度上弥补当前植被指数法估算FAPAR的不足。

快速、高精度可见光-近红外透射光谱测量技术研究(英文)

基于传统分光光度测量方法的构架,提出了一种快速、高精度测量可见光-近红外透射光谱的新方法,在该方法的测量过程中,光栅单色器的出射波长保持匀速的连续变化,同时参考光探测器和测试光探测器保持连续的光强采集。初步实验研究表明,新方法可把测量耗时降低到传统分光光度法所需时间的50%以下,测量得到的透射光谱与传统分光光度法的相对误差为0.070%,三次重复性测量的统计误差为0.042%。与现有常见可见光-近红外透射光谱的测量方法(分光光度法、CCD光谱仪法、傅里叶变换光谱仪法)相比,新方法同时具有以下优点:(1)有望显著提高可见光-近红外透射光谱的测量速度,从而应用于透射光谱的动态测量环境中;(2)具有较高的测量精度(0.1%~0.3%);(3)在测量过程中,系统的机械部件始终保持匀速的运动状态,测试系统因而具有较高的机械稳定性。

基于可见光-近红外光谱的BIF磁性率确定方法研究

铁矿中磁性率是评价铁矿床工业价值和划分矿石工业类型的重要指标。传统的磁性率测定法存在工作量大、效率低、周期长的缺陷,成为经济、合理、高效开采铁矿资源的瓶颈问题。采用便携式地物光谱测试仪对辽宁省鞍钢集团鞍千矿业有限责任公司的BIF实验样品进行可见光-近红外光谱测试,分析了光谱特征,构建了比值指数(RI)、差值指数(DI)和归一化指数(NDI),并确定光谱指数与样品磁性率相关性最显著的敏感波段及对应的相关系数值;优选出与样品磁性率相关性最显著的比值指数(RI),构建实验样品磁性率的定量反演模型,并进行了验证。结果表明,三种光谱指数与样品磁性率敏感波段均位于935与1 050nm,且该波段处的相关系数均达到0.9以上,其中比值指数与样品磁性率的相关性最高;基于比值指数构建的实验样品磁性率定量反演模型的预测误差为0.038,反演磁性率与实测磁性率的判定系数(R2)为0.964 5,预测结果比较理想。为确定BIF的磁性率提供了一种新方法,该方法具有工作强度小、经济、高效、便捷的优点,且对遥感找矿具有一定指导意义。

基于近红外-可见光高光谱的堆叠泛化模型褐土有机质预测

准确预测农田土壤有机质含量有助于评估农田肥力状况,为精准农业提供数据依据。为解决单模型实现快速估测农田土壤表层有机质含量精度较低和泛化能力较弱的问题,以山西省典型褐土农田表层土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种堆叠泛化模型(SGM)用于预测有机质含量。首先对原高光谱数据采用小波平滑,对平滑数据进行倒数一阶微分、对数倒数一阶微分变换,采用相关系数与递归特征消除法进行特征波段提取。同时,引入机器学习中的集成学习随机森林Random Forest(RF)、梯度提升决策树Gradient Boosting Decision Tree(GBDT)、极限梯度提升eXtreme Gradient Boosting(XGBoost)、AdaBoost 4个初级机器学习器模型通过5折交叉验证对有机质含量进行预测,在初级学习器预测结果基础上,采用随机梯度下降SGD(stochastic gradient descent)作为元学习器建立SGM堆叠泛化模型。突破单模型精度较低和不稳定的制约,实现有机质含量的快速稳定检测。结果表明:倒数一阶微分变换后的光谱信息与有机质含量具有较好的相关性,相关性最大值达到了-0.611;相比单模型,堆叠泛化预测模型的决定系数(R^(2))和相对分析误差(RPD)分别为0.819和2.256,较其他算法平均决定系数(R^(2))和平均相对分析误差(RPD)分别提高了0.055和0.323;平均绝对误差(MAE)、均方根误差(RMSE)分别为1.742和2.308 g·kg^(-1),较其他算法平均绝对误差(MAE)和平均均方根误差(RMSE)分别降低了0.406和0.389 g·kg^(-1),优化效果明显,可用于农田土壤表层有机质含量的有效估测。研究成果可为农田土壤表层有机质含量的高光谱快速检测提供依据和参考。

广东梅州花岗岩风化壳剖面的可见光-短波红外反射光谱特征及其对风化强度的指示

风化壳离子吸附型稀土矿床是含稀土元素的基岩在表生条件下,风化淋滤出的稀土元素吸附在以黏土矿物和铁氧化物为主的次生矿物表面形成的。基岩所含的原生矿物在风化过程中的分解、不同次生矿物的形成和转换及在表生环境中稀土元素的吸附或吸附能力是风化壳中稀土元素富集和分异的主要控制因素,故花岗岩风化壳离子吸附型矿床剖面风化强度以及风化带的划分对研究矿床成因和找矿勘探工作具有重要意义。可见光-短波红外反射光谱(VSWIR,波长范围350~2500 nm)识别的次生矿物,如赤铁矿、针铁矿、高岭石和蒙脱石等,其物相和含量特征可以作为划分基岩风化强度的有效依据。本文以广东梅州黄畲花岗岩风化壳离子吸附型稀土矿床的风化剖面为例,尝试采用可见光-短波红外反射光谱并结合X射线衍射法(XRD)研究剖面中矿物种类和相对含量。研究结果表明花岗岩风化壳离子吸附型稀土矿床剖面在全风化层存在大量的赤铁矿及少量针铁矿,相应地VSWIR在500 nm和900 nm附近形成明显的光谱吸收特征,而700 nm附近微弱。全风化层和半风化层样品在1396 nm附近的光谱特征明显,而弱风化基岩该光谱特征较为微弱,吸收深度d1396及d2200/d1900比值从弱风化基岩至表土层则表现出逐渐增强的趋势,该现象与风化剖面中从深部到地表高岭石含量逐渐增多的事实相吻合。

基于可见光-近红外光谱的煤岩识别方法实验研究

以淮南矿区谢桥矿和潘二矿的煤和岩石样本为研究对象,通过地物光谱仪采集样本反射率光谱曲线,同时检测样本氧化物含量、水分、灰分及挥发分含量,将样本的反射率光谱曲线和样本成分含量分别作为自变量,样本类别“煤”和“岩石”两种矿物类型作为因变量,建立煤和岩石识别模型对煤和岩石进行二分类。该研究主要采用三种模型,分别为主成分分析结合支持向量机(PCA-SVM)、主成分分析结合BP神经网络(PCA-BP)模型和核主成分分析结合支持向量机(KPCA-SVM)模型。结果表明,基于可见光近红外光谱的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为95.5%,验证平均精度约为90.56%;基于样本成分的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为98.5%,验证平均精度约为95%。