多光谱激光治疗伤口感染和软组织疼痛的临床观察

目的：观察新型多光谱激光理疗仪对感染伤口及软组织疼痛的治疗效果。方法：选择术后伤口感染患者６０ 例和软组织疼痛患者４０ 例。随机分为多光谱组和单色光组，每组各有伤口感染患者３０ 例和软组织疼痛患者２０ 例。多光谱组采用多光谱激光理疗仪进行照射治疗；单色光组采用半导体激光治疗仪。结果：两组患者的总有效率均为１００％ ；多光谱组中，伤口感染患者治愈率８０％ ，软组织疼痛患者优良率９５％ ；单色光组中，伤口感染患者治愈率６３．３％ ，软组织疼痛患者优良率８０％ ；两组患者疗效差异有统计学意义（Ｐ＜ ０．０５） ，多光谱组优于单色光组。结论：多光谱激光理疗仪对感染伤口和软组织疼痛的疗效较好，优于单色半导体激光；提示开发研制具有多种波长、脉冲频率或多种参数的激光治疗仪，是提高激光临床疗效的途径之一。

多光谱激光雷达波形数据处理及应用

多光谱全波形激光雷达可同时获取隐含光谱信息在内的全波形综合信息,波形分解是影响多种回波参数反演精度的关键技术。提出了一种适用于多光谱激光雷达数据的波形分解方法,对各个通道灵活选择拟合子函数,充分利用多个通道之间的空间相关性,实现对目标的空间位置和光谱信息的精确提取;建立了光谱空间和RGB色彩空间之间的映射关系,实现目标的三维色彩重建。实验测试结果表明:该方法有效克服了环境光干扰,可实现全天时的目标三维色彩重建。通过与现有方法比较,误差标准差和决定系数R2这两个误差评估指数均验证了所提出的方法具有更高的测距精度和色彩信息反演精度。另外,实验结果验证了实验测试结果表明:该方法可实现全天时的目标三维色彩重建,有效克服了弱回波信号丢失、环境光干扰等影响,通过设定最佳脉冲累积数可有效提高兼顾了目标的测距精度和色彩信息反演数据处理精度和扫描效率。未来可通过优化激光探测波段,将该方法拓展到其他激光雷达系统上,进一步提高目标三维色彩重建精度。

多光谱激光雷达小波去噪效果评价体系

针对基于小波理论的多光谱激光雷达消噪信号,从能量、图形、统计多角度出发,提出了由信噪比、平滑度等6项指标组成的小波消噪效果评价体系。实验证明,该体系可以为多光谱激光雷达消噪信号提供更加全面客观的效果评价,为不同信号噪声去除方法的选择提供更加可靠的依据,同时也有利于对不同算法进行有针对性的改进。

基于颜色聚类的多光谱激光雷达点云去噪

多光谱激光雷达可以直接有效地获取包含光谱信息的激光点云,已成为激光雷达成像技术发展的新趋势。这种新型的多光谱激光雷达所获取的点云具有更丰富的光谱和色彩信息,同时也对点云的数据质量提出了更高的要求,其中点云去噪成为提高数据质量的关键。传统的单色点云去噪算法主要是利用空间信息对噪声进行去除,但是不适用于多光谱激光雷达点云。提出了一种基于颜色聚类的多光谱激光雷达点云去噪算法。首先,根据多光谱激光雷达获取的光谱信息反演出包含颜色信息的点云;其次,利用色差将点云进行聚类,经过聚类后每一簇中噪声点的密度小于真实点;最后,在每一簇中对噪声进行识别和去除。研究结果表明,所提算法能够有效地去除多光谱激光雷达点云中的噪声,对地物识别的精度达到95%以上。

基于多元GMM的机载多光谱LiDAR点云空谱联合分类

针对传统机载多光谱激光雷达(multispectral light detection and ranging,MS-LiDAR)土地覆盖分类方法空谱信息协同利用能力不足或多类型特征联合利用时特征维数过高的缺陷,提出一种基于多元高斯混合模型(Gaussian mixture model,GMM)的机载MS-LiDAR点云空谱联合分割算法。该算法首先对原始多波段独立点云进行辐射校正、异常剔除及融合,形成同时表达空间位置及其对应多波段光谱信息的多光谱点云;然后,提取各激光点的多光谱、高程等特征构建空谱特征矢量,并通过特征标准化及离散化消除不同类型特征间的单位和尺度差异;再次,构建多元GMM建模目标在空谱特征空间呈现的多峰分布,获取激光点属于各类目标的响应度并按照最大响应度原则确定类属;最后,设计3D多数投票法优化分割结果。实验基于实测的Optech Titan MS-LiDAR数据验证提出算法的有效性和可行性。实验结果表明:联合多波段强度特征及高程特征的多元GMM的分割总体精度可达93.57%,Kappa系数可达0.912,仅联合四维特征即可实现MS-LiDAR点云的高精度分割。该项研究可为综合利用MS-LiDAR数据的多光谱及空间信息提供新途径。

多光谱激光雷达数据强度校正及点云色彩优化

随着激光雷达成像技术的发展,采用超连续谱激光作为光源的多光谱激光雷达系统可同步探测多个光谱通道的回波信号,从而可直接获取具有空间-光谱信息一体化的点云数据。对于多光谱激光雷达点云数据,采用强度校正、色彩重建和色彩优化方法并通过多光谱激光雷达的强度校正模型从原始点云中获取精确的点云强度;通过色彩重建方法来获取彩色点云,并采用多项式回归算法来优化点云的色彩信息。实验结果表明,所提方法可以有效校正距离和角度效应对强度的影响,可以获取近似真实场景的彩色点云;经过色彩的优化处理,进一步提高彩色点云的质量,使其与真实场景之间的色差降低到人眼可接受的误差范围(色差小于10)。

多光谱探测与激光多光谱探测技术的进展

主要介绍了多光谱探测及激光多光谱探测技术的发展及现状,并着重探讨了激光多光谱扫描成像系统的关键技术与发展趋势。鉴于激光多光谱主动探测技术的优势,这项技术将在制导、目标识别、地形匹配及其它激光主动探测领域具有广泛的应用前景。

多光谱激光点云卷积神经网络的地物分类研究

针对商用激光传感器Optech LiDAR Titan系统获取的多光谱激光点云数据进行地物分类试验的探索,该文提出一种基于卷积神经网络(CNN)模型的多光谱激光LiDAR点云数据地物分类方法。新数据源多光谱激光点云具有多通道和多次散射回波的典型特性,生成感兴趣的热力图,根据热力图特征值和nDSM辅助数据进行感兴趣地物分类。采用CNN模型学习结果与面向对象影像分析OBIA分类方法相结合对分类结果进行精化,并用随机采样参考点对地物分类结果进行精度评估,解决CNN模型分类的正确性和可靠性问题。实验表明,地物分类整体精度OA达到89.8%,Kappa值0.858,该方法在多光谱激光点云地物分类方面具有稳健性、有效性和通用性。

多维GMM与邻域约束的多光谱机载LiDAR数据城市地物分类

如何充分利用空间位置及多光谱信息完整、准确地区分各类地物是多光谱机载激光雷达点云应用的重要前提。传统的基于点的分类算法受点云无法明晰表达拓扑及邻域信息的局限导致算法设计困难、执行效率低,而将点云插值为图像的分类算法则受图像存在信息及精度损失的局限导致分类精度较低。另外,点云和图像两种结构均无法直接表达地物的三维几何形体,不利于地物三维建模及分析。为此,本文提出了一种多维高斯混合模型(Gauss mixture model,GMM)与邻域约束的多光谱机载LiDAR城区地物分类算法。该算法首先以无损且明晰表达邻域信息为原则将多光谱LiDAR数据体素化为多值虚拟体素结构,其中,虚拟体素为体素与其内激光点的联合体,虚拟体素值是由体素内激光点的多波段光谱、高程、局部法向量分布及点密度等特征构成的特征矢量。然后,构建模糊聚类模型对多值虚拟体素结构进行分割,获得各虚拟体素的模糊隶属度矩阵。其中,特征空间地物呈现的多峰分布用多维GMM拟合,从而建立标号场,并将多维GMM的概率分布作为非相似性测度;标号场中相邻体素类别的空间相关性用隐马尔可夫随机场模型建模,从而建立邻域约束下的先验概率,并将其作为控制聚类尺度的参数;采用附有规则化项的目标函数解决聚类尺度敏感问题。最后,对隶属度矩阵进行反模糊化确定分类结果。采用Optech Titan实测的不同场景的、不同数据量的多光谱机载LiDAR数据定量评价本文算法的有效性和可行性。试验结果表明,本文算法的平均总体精度可达91.32%、Kappa系数可达0.872,可有效实现对城市各类地物的分类;本文算法综合利用了地物的辐射、空间及几何一致性信息,扩大了信息利用种类,为多光谱机载LiDAR数据的空间位置及多光谱信息的综合利用提供了可行方案。

基于多特征遴选的机载LiDAR多光谱点云地物分类

本文针对多光谱LiDAR数据特征过多,各个特征之间存在重叠和冗余,影响分类精度的问题,提出了一种基于多特征遴选的机载多光谱激光点云地物分类的方法。基于Optech Titan的多光谱LiDAR点云,分别提取纹理、光谱、高程、植被指数等特征,利用ReliefF算法对多维特征进行权重评价和排序,遴选出对分类效果影响力大的特征,最后基于SVM实现不同地物的分类。实验证明,多光谱LiDAR数据相比单波段数据分类精度显著提高;利用多光谱特征和高程特征进行分类即可得到较高的分类精度和较好的分类效果;其余特征中对分类精度有显著提升的是熵特征,进行地物分类时应优先考虑提取。

导弹尾烟对多波长激光传输影响研究

为研究1.06μm、3.5μm、10.6μm三波长激光所受导弹推进剂尾烟干扰的差异程度,建立开放式烟道测试系统。在烟道头部放置装填有典型导弹推进剂的缩比发动机,点燃推进剂使之喷射并形成烟柱,在烟道尾部烟柱直径方向设置激光发射和接收装置,用以获取3波长的透过率。试验数据分析表明,烟雾对激光的衰减与烟雾粒子半径有关,在400m烟道长度环境中,10.6μm激光透过率最高可达1.06μm激光的104倍。该结果有益于激光制导武器的改进和升级。

基于激光雷达的电力巡线树障检测方法设计

目前提出的电力巡线树障检测方法树障检测位置精准度差,检测效率较低。基于激光雷达设计一种新的电力巡线树障检测方法,将电力巡线的地面数据通过点数据的形式投影至二维平面中,更为直观地获取树障周边线路信息画面。在完成对电力巡线树障数据的收集后,对收集的数据进行处理操作,检验收集数据的操作可行性。利用多光谱激光雷达的数据探测功能对电力巡线树障所处的距离进行检验,并研究该位置信息是否符合检测标准。构建假设模型,并确定电力巡线的点范围。实验结果表明,基于多光谱激光雷达的电力巡线树障检测方法能够有效定位检测位置,提高检测效率。

联合NDRI特征和空间相关性的机载MS-LiDAR数据分类

对比仅包含多光谱信息、仅可实现二维土地覆盖分类的传统光学遥感数据,机载多光谱激光雷达(multispectral light detection and ranging,MS-LiDAR)的优势在于同时包含多光谱和空间信息、可实现三维土地覆盖分类,但现有的机载MS-LiDAR数据的土地覆盖分类研究所需特征维度过高、算法复杂度高。因此,提出了一种整合空间相关性和归一化差分比率指数(Normalized Difference Ratio Index,NDRI)特征的逐步分类算法。该算法首先融合机载MS-LiDAR数据的多波段独立点云,获取兼具空间位置及其多光谱信息的单一点云数据;然后利用空间邻域增长下的地面滤波算法分离地面和非地面点;接着基于不同目标的激光反射特性差异设计将草地(树木)自地面(非地面)中分离的NDRI指数,并利用类间方差最大原则下的自适应最优NDRI指数实现地面和非地面点的精细分类;最后利用3D多数投票法优化分类结果。采用加拿大Optech Titan实测MS-LiDAR数据测试提出算法的有效性及可行性,实验结果表明:算法的平均总体精度和Kappa系数分别可达90.17%和0.861,可有效实现城区MS-LiDAR数据的三维土地覆盖分类;分步处理的方式更有利于针对具体的分离目标的特点设计简单且有效的规则,算法设计更简单、复杂度低;NDRI可为其他机器学习算法的显著性特征的设计和选择提供理论支撑。

巡线LiDAR多通道光谱图像异常识别技术（英文）

联合GPS、ISN、LiDAR、测距机等,构建超POS信息;计算最小视场分辨率、像元数、焦距等选择相机;将POS采集系统与相机组合成LiDAR多通道光谱图像异常识别系统.采用多通道匹配融合法融合紫、红外、彩色图片,基于Hough变换,通过同族容器归纳法确定疑似故障点.运用Hough变换、免疫遗传Snake、最小二乘法解析椭圆形貌,解决绝缘子异常识别问题.工程实验表明,该系统平均探测精度是82.4%,优于直升机与人工平均值24.05%,是一种高效率的智能电网巡线排查手段.

利用频谱组束获取双光谱光源的实验研究

针对激光多光谱探测对多色激光光源的需求,提出利用外腔频谱组束技术获取多光谱激光探测光源的方法。报道了外腔2个大模面积双包层Er3+/Yb3+共掺光纤激光器频谱组束的实验结果,获得了一种3dB线宽分别为29.3nm和11.52nm的可调谐双光谱激光探测光源。实验结果和理论分析表明:外腔频谱组束技术是一种获得多光谱激光光源的可行方法。

多光谱对地观测激光雷达接收通道选择方法

多光谱对地观测激光雷达是一种新型植被监测手段,其应用越来越广泛。现有多光谱对地观测激光雷达系统大多采用光栅分光、多通道光敏阵列探测的数据接收模式。单纯地增加接收通道以提高光谱分辨率、增加接收光谱范围会带来数据冗余、系统集成难度大以及成本过高等问题。讨论了如何确定通道数目并通过闪耀光栅以及中心闪耀波长的选取将特征波长调节至合适通道的中心位置;同时,利用基于主成分分析的特征权重波长修正方法,对落在通道外或不在通道中心位置的特征波长进行修正。在不减少植被光谱信息的前提下,此过程可提高信息接收的有效性,还在一定程度上对波长选择理论进行了补充,提高了多光谱对地观测激光雷达系统在实际应用中的适应性。

532 nm激光泵浦H_(2)∶CH_(4)∶CO_(2)气体混合物的可见光宽波段拉曼激光

532 nm激光泵浦H_(2),CH_(4)和CO_(2)三种拉曼活性气体混合物时产生的拉曼激光覆盖较宽的可见光波段,可以作为多光谱激光的照明光。分别讨论了单种气体中的受激拉曼散射和四波混频过程,比较了各阶拉曼分量随压力和泵浦能量的变化。发现在低压条件下,当高能量激光泵浦时,每种气体的各阶斯托克斯分量(尤其是一阶斯托克斯光)的转换效率基本保持稳定。在混合拉曼活性气体的实验中,通过控制不同气体之间的压力比,实现了13条光谱线的同时输出,其中574,630,683,771 nm激光在200 mJ以上的高能量区域具有非常接近的转换效率(6.5%~8%)。

基于多光谱LiDAR数据的道路中心线提取

针对城市三维激光点云中,道路与地面高程相差小、激光反射强度相近使得道路提取困难;广场、停车场等地物的高程、反射强度与道路极为相近,容易产生错误提取的问题。本文设计了一种描述道路条带信息的局部二进制特征(Stripe Local Binary Feature,SLBF),结合LiDAR数据中的三维信息和多光谱信息获得基于强度、密度和平坦度等统计特征(StatisticsBased Feature,SBF),并采用随机森林分类器实现了机载点云中道路面点云和非道路面点云的有效提取。通过欧式聚类精化道路点云和迭代腐蚀边界细化中心线,进而获得矢量化的道路中心线。以Waddenzee区域的多光谱机载点云数据进行实验验证,道路中心线提取结果的完整度达到94.15%,准确度达到97.95%,精度达到92.28%。实验结果表明,该方法可以有效地提取道路中心线,同时由于设计的特征具有不变性,能够适用于城市和林间小路等各种环境。