基于低空成像高光谱系统探测植被日光诱导叶绿素荧光

植被叶绿素荧光与光合作用关系密切,被认为是光合作用的有效探针。该研究利用成像高光谱传感器和无人飞艇构建了一套适用于低空叶绿素荧光探测的系统。针对低空叶绿素荧光探测中,太阳下行辐射光谱难以获取的情况,基于已有的aFLD方法,提出一种新的叶绿素荧光提取方法a3FLD,该方法利用了非荧光发射体,且考虑植被反射率在夫琅和费线附近的变化。通过模拟数据以及实测数据对两种提取结果进行了比较。模拟数据分析结果显示:当地物的反射率在夫琅和费线附近存在一定的变化时,a3FLD计算得到的荧光值误差小于aFLD,地物反射率变化越大,a3FLD的改进越明显。对低空高光谱影像数据的分析显示:aFLD和a3FLD提取不同植被的日光诱导叶绿素荧光相对大小关系相一致,与作物所处的生长阶段吻合。但aFLD荧光提取值比a3FLD高15%左右。aFLD的结果中有部分非荧光发射体得到较强荧光,a3FLD能改进此问题。结果显示,利用该系统和方法能够成功地提取到植被叶绿素荧光,且所提出a3FLD方法提取的结果优于aFLD方法。

星载高光谱成像系统发展综述

高光谱遥感技术通过记录地表物体在多个连续波段下的光谱信息,实现高精度的地球观测与分析。为了获取更多地物目标的细节信息,研究人员提出了对高光谱成像系统各项参数指标的新要求,国内外开展了大量相关研究。随着卫星技术的成熟,高光谱遥感平台从最初的机载平台逐渐发展到星载平台,促进了高光谱遥感图像在地质、农林业、环境监测等领域的广泛应用。目前,多数光谱成像系统选用传统的光学器件来实现分光,将计算光学与高光谱遥感结合,有利于集成更紧凑便捷的成像系统。文章首先介绍了高光谱成像系统的主要类型和原理,随后对近30年来典型的星载高光谱成像系统及载荷进行了综述,梳理了典型国内外星载高光谱成像系统的发展现状,并对不同国家成像系统的性能指标进行了对比分析,总结了相应的发展历程,并对未来星载高光谱成像系统的发展作出了展望。

高光谱成像系统在中医舌诊中的应用研究

舌诊是传统中医诊病的重要方法,然而传统舌诊中存在一个很大的问题是具有主观性,难于进行定量化描述.随着计算机技术的发展,图像处理和模式识别技术正在用于舌诊的辅助诊断.目前舌图像的采集方法基本都是使用数码相机,所提供的舌图像包含的病理信息有限,使得分析算法非常复杂且效果不甚理想.针对这种情况,提出使用高光谱成像系统代替数码相机进行舌图像的采集.由于高光谱舌图像具有丰富的图谱信息,初步试验表明了这一方法的有效性,为中医舌诊提供了一种新方法.

新型分子高光谱成像系统性能分析及数据预处理

将分子成像技术和高光谱技术相结合,研制了基于AOTF(Acousto-optic Tunable Filters)的分子高光谱成像系统。系统由显微镜、分光仪、CCD镜头、图像数据采集卡和计算机等几部分组成。在综合考虑各功能部件的性能及相互的制约关系的基础上,分析了系统的性能指标,系统的光谱范围从550～1 000nm,可采集200个波段,空间分辨率可达0.061 5μm,光谱分辨率可达2nm,当CCD工作在积分模式下采集速度可达到2.612 5s.B-1,当CCD工作在非积分模式下可达到约0.11μs.B-1。由于受系统光源和光路中透镜及传感器性能的影响,采集到的图像数据需要进行预处理,文中提出一种空间维和光谱维联合校正的灰度校正系数算法,并给出算法的具体实现。以白血病的血液作样本,通过对比校正前后的单波段图像、伪彩色图像和光谱曲线,说明校正算法的有效性,为后续的光谱图像数据分析提供了有效的数据。

基于高光谱成像技术的中医舌象辅助诊断系统

中医舌诊是传统中医的一种重要诊断方法。由于舌诊是一种定性的、主观的和基于经验的诊断方法,从而制约了中医舌诊在临床医学上的广泛应用。针对中医舌诊现代化中存在的问题,开发研制了一种基于高光谱成像技术的舌象辅助诊断系统。这一系统包括高光谱舌图像采集、图像存储、特征提取和辅助诊断几部分。系统使用高光谱成像技术代替通常使用的数码相机进行舌图像采集,并对高光谱舌图像进行了图像和光谱特征提取,然后使用贝页斯分类器初步建立起了舌象特征与病症之间的联系,最后通过初步试验证明了这一系统的有效性。

热红外高光谱成像系统的背景抑制和性能优化

在分析热红外高光谱成像系统主要技术参数之间的制约关系的基础上,针对热红外高光谱成像系统目标能量微弱、背景热辐射严重等难点,提出了几种有效抑制背景辐射的措施,并建立了一套高背景抑制的热红外高光谱推帚式成像实验装置,实现了地面试验成像.根据冷背景实验结果,分析了热红外高光谱成像系统的性能和各种影响因素的关系,并提出了系统性能优化的可行性.

基于轻型平台的多模态高分辨率高光谱目标检测系统

为解决无人机高光谱成像仪体积大,探测效率低等问题,提出了一种轻小型多模态高分辨率高光谱成像仪。文中主要介绍了高光谱成像仪光学系统设计,数据采集及实时处理模块。通过切换扫描模式满足光谱特性分析,目标检测等不同领域的探测模式需求。采用低畸变、高通量、紧凑型分光光学系统设计实现无人机平台对光谱成像仪的重量要求和探测精度要求。根据设计需求实现产品的加工同时进行了性能测试,其中,MTF达到0.19,光谱分辨率3.5~5.4 nm。通过检测多种流水线中的杂质验证系统对实时目标检测的能力。实现结果表明,系统能够实现每秒2048 pixel×2048 pixel场景的高精度光谱异常目标探测,探测精度优于87%。

宽幅长波红外高光谱扫描成像系统的设计

为了满足宽幅长波红外高光谱成像需求,基于光导型碲镉汞线列探测器和平面闪耀光栅,提出了一种在长波红外8~12.5 m范围内具有150个连续波段、30°成像视场角、基于地面应用的低成本、轻小型高光谱扫描成像系统的设计方法。该系统由光栅扫描机构和视场扫描机构组成,两机构同步控制以实现精细分光和宽幅成像功能。推导了光栅扫描角度与探测器接收单色光的波长、视场扫描角度与成像视场角间的关系式。在分析扫描系统扫描定位精度的基础上,设计了一套以步进电机为运动核心,采用"摆扫定位+停止成像"工作模式的扫描系统。实验表明,该扫描系统可满足系统视场定位精度及分光精度的要求。获取的硅碳棒在长波红外波段的发射光谱曲线表明该系统的设计合理有效。该扫描系统的设计方法对长波红外高光谱系统的设计具有一定的指导意义。

基于高光谱成像系统的燕麦β-葡聚糖含量估测研究

通过BP神经网络模型,建立了能够对燕麦中β-葡聚糖含量进行快速无损检测的方法。利用高光谱成像系统对燕麦进行400~1000nm范围的光谱反射扫描,采用了分段式线性回复分析的方法对数据进行处理,建立了BP神经网络模型,对燕麦中β-葡聚糖含量进行模型估算。结果表明,该方法具有较高的精度和准确度,开发无损、快速检测是可行的。

基于高光谱成像的生鲜猪肉细菌总数预测建模方法研究

生鲜猪肉中细菌总数(TVC)超标会直接危害大众,为此研究验证高光谱成像技术结合相应的建模方法预测生鲜猪肉中TVC的可行性。针对非线性、小样本问题,以及光谱维和空间维的大数据量问题,在综合比较偏最小二乘回归(PLSR)、人工神经网络(ANNs)和最小二乘支持向量机(LS-SVM)3种建模方法的基础上,最终选取了LS-SVM方法组建模型。3种建模方法综合比较的结果表明,LS-SVM同时兼顾了训练精度和泛化能力两方面的性能,使其都能做到最优,与标准平板菌落计数法所检测TVC的决定系数分别为0.987 2和0.942 6,校正均方根误差和预测标准均方根误差分别为0.207 1和0.217 6,其建模性能优于其他方法。研究结果表明,高光谱成像技术结合LS-SVM预测建模方法可作为快速、非破坏预测生鲜猪肉TVC的有效手段。

高光谱成像技术检测冷却羊肉表面细菌总数

为了对冷却羊肉表面细菌总数进行无损检测,采用不同波段范围高光谱成像系统结合多种建模方法建立预测模型,进行理论分析和实验验证。分别在400nm^110nm和900nm^1700nm波长范围内获取冷却羊肉样本的高光谱图像信息,结合偏最小二乘和人工神经网络(反向人工神经网络和径向基人工神经网络)建立预测模型。结果表明,神经网络建模效果优于偏最小二乘;其中,径向基人工神经网络模型在400nm^1100nm和900nm^1700nm波长范围内相关系数分别为0.9872和0.9988,均方根误差分别为0.8210和0.2507,预测效果最好;而900nm^1700nm波长范围为最佳建模波长。这一结果说明利用高光谱图像技术对冷却羊肉表面细菌总数进行快速无损检测是可行的。

基于高光谱成像的肉品检测去条带噪声方法

推扫式高光谱成像系统通常因电荷耦合器件(Charge Coupled Device,CCD)各像元响应不一致而产生条带噪声,该研究以猪肉为研究对象,设计一种基于多块标准反射率板进行逐波段逐像素相对辐射定标的去除条带噪声方法。该方法基于最小二乘法,利用不同反射率标准板的反射率值与CCD输出值,采用多项式拟合出接近于各个波段逐像元真实响应函数的拟合响应函数;选取每一波段图像中的任一像元作为参考,将其余像元与参考像元的拟合响应函数做差,作为其余像元的补偿函数,再采用样本的输出值加补偿值以校正样本。分别采用逐波段逐像素相对辐射定标法和传统矩匹配法对猪肉高光谱图像进行处理,并以四阶标准反射率板各反射区均值与参考值的绝对误差评估反射率校正结果。结果表明,逐波段逐像素相对辐射定法在有效去除条带噪声的同时,不会产生新的噪声,同时能够保持原始图像的灰度分布,校正后图像条带系数最大值比原始图像减少63.5%;相比矩匹配法,反射率误差大幅下降,其中条带系数最大波段(200波段)4个反射区的绝对误差为0.003~0.089,随机抽取波段(300波段)4个反射区的绝对误差为0.009~0.083。该研究为消除条带噪声提供了一种可靠方法,同时为提高后续基于推扫式光谱成像的指标空间可视化精度奠定了良好的基础。

基于椭圆形Monge-Ampére方程的杂散光检测系统光源特性的研究

通过对高光谱成像系统杂散光检测实验中光源部分的研究,提出了解椭圆形Monge-Ampére方程的方法来设计自由曲面透镜,并对测试光源出光分布的均匀性、准直性、稳定性进行检测研究。针对杂散光检测实验的要求,利用自由曲面透镜的特点对杂散光实验光源进行研究并改进光源特性,以此来提高杂散光检测实验的准确性和测试的可靠性,然后测试光束性能,使其满足杂散光测试的精度要求。通过实验分析,选取自由曲面透镜代替离轴三返平行光管来获得平行光,利用光线追迹软件Tracepro对系统光源进行了仿真,结果表明:利用该方法设计的光源出光分布较传统的平行光管有所改善,在正常情况下光斑均匀性能够达到85.3%,且光源的位置误差与透镜的转动误差对系统造成一定影响。

基于改进深层神经网络的织物配方智能预测算法

针对织物三刺激配色精度不高,无法克服配色过程中出现的同色异谱等问题,提出了基于改进深层神经网络的织物配方智能预测算法。采用高光谱成像系统测量织物的光谱反射率信息,利用改进的深层神经网络来建立织物的光谱反射率--染色配方关系模型。实验结果显示,改进深层神经网络的配方预测值与真实值的平均误差在0.02以内,表明改进深层神经网络能有效的解决织物配方预测问题,具有很好的应用价值。

虫害侵蚀下园林植物景观生态损伤信息采集方法

影响园林植物景观生态健康的主要原因之一就是病虫害的侵蚀,要想令园林植物健康的生长,就需要对病虫害侵蚀进行治疗。治疗病虫害侵蚀的第一步,是对园林植物景观生态受损信息进行采集,为此该文提出虫害侵蚀下园林植物景观生态损伤信息采集方法,首先采用全站仪对园林植物景观进行基础信息采集,得到园林基础信息,在此基础上,通过高光谱成像系统对园林植物景观受损图像进行采集,并对采集到的图像进行去噪处理,采用图像分割技术将图像中的受损信息进行分离,以获取园林植物景观生态受损信息,最后根据生态受损信息创建园林植物生态受损评定模型,并提出评定标准,规划出了园林生态受损等级:严重损伤、一般损伤、轻微损伤、较损伤和健康5个等级。

大花红景天和长鞭红景天的无损鉴别

目的将近红外高光谱成像系统(HIS)与人工神经网络(ANN)相结合,对大花红景天和长鞭红景天进行无损、快速、高效地分类与鉴别。方法在935~1720 nm光谱范围内采集了大花红景天和长鞭红景天的高光谱图像,采用ENVI软件从高光谱图像中提取出两种红景天中感兴趣区域的平均光谱作为样本的原始光谱。在对样本全波段的高光谱数据进行主成分分析(PCA)后,采用SPXY法将样本划分成训练集和测试集,用连续投影算法对高光谱数据进行特征变量的选择,根据交叉验证均方根误差最小的原则提取出23个特征波长。分别基于全波长和特征波长建立线性判别模型SIMCA及非线性判别模型,包括概率神经网络(PNN)和广义回归神经网络(GRNN)。结果线性判别模型SIMCA无法将两种红景天进行正确的分类与鉴别,而PNN和GRNN均能很好地区分两种红景天,分类判别的正确率可达100%。结论与PCA和SIMCA模式识别比较,HIS结合ANN建模有效、快速,可无损鉴别大花红景天和长鞭红景天,在不同品种红景天的分类与鉴别方面有明显的优势。