安卓版下载

光谱信息

  • 基于空谱联合的医学图像分类方法
    含每个像元的光谱信息，真正实现了“图谱合一”。这使得高光谱成像在目标检测［1］、环境监测［2］、地物识别［3］和医疗诊断［4-5］等领域都有着广泛的应用。 然而，传统的高光谱分类方法，如K 近邻学习算法和光谱角匹配算法等，这些算法仅利用高光谱图像的光谱信息而忽略了空间信息，这导致了“异物同谱”和“同物异谱”等现象的发生。近年来，为了充分利用高光谱图像所包含的丰富信息，更多的研究人员关注于将高光谱图像中光谱信息和空间信息联合［6-7］用于图像分类的研究。付青

    长春理工大学学报（自然科学版） 2023年6期2024-01-05

  • 融合卷积神经网络的遥感图像全色锐化
    但拥有丰富的光谱信息，后者分辨率较高但含有的光谱信息较少。全色锐化通常利用较高空间分辨率的PAN 图像对较低空间分辨率的多光谱（Multi-Spectral，MS）图像进行锐化，从而获得高空间分辨率多光谱（High-Resolution Multi-Spectral，HRMS）图像。解决全色锐化问题的方法分为传统方法和基于深度学习的方法两大类。传统方法包括成分替换（Component Substitution，CS）、多分辨率分析（Multi-Resolu

    计算机应用 2023年9期2023-09-27

  • 基于离散小波技术定量反演冬小麦叶片含水量的研究
    对冬小麦冠层光谱信息的干扰作用, 进而增加了获取冬小麦水分供给信息的难度。 故, 抑制噪声干扰, 分离可用光谱信息对于提升冬小麦水分供给信息的检测精度具有重要意义。叶片是冬小麦植株进行光能吸收、 转化、 固定的重要器官, 其含水量是评估冬小麦植株水分供给状态的重要指标[4-5], 也是大田灌溉措施决策的基础数据。 通过田间地面实验监测与辐射传输模型的定量分析确认了叶片含水量与其冠层光谱间具有较强的响应特征[6], 二者间存在较强的内在关联, 与冬小麦叶片含

    光谱学与光谱分析 2023年9期2023-09-11

  • 结合卷积注意模块与卷积自编码器的细节注入遥感图像融合
    像具有丰富的光谱信息，利用其互补信息生成具有高空间分辨率的多光谱波段图像［2］，提高图像的可视效果。目前遥感图像融合的方法主要分为四种类型［2］：1）分量替换（Component Substitution，CS），如强度-色调-饱和度（Intensity Hue Saturation，IHS）变换［3］，主成分分析（Principal Component Analysis，PCA）［4］和Gram-Schmidt（GS）［1］等；2）多分辨率分析（Mult

    光子学报 2022年6期2022-07-27

  • 近红外高光谱大米典型特征提取分类识别
    间信息和多维光谱信息, 获取目标高分辨率、 高质量成像数据. 目前, 提取高光谱感兴趣区域(region of interest, ROI)方法很多, 吴琼[3]和曹崴[4]利用ENVI软件获取高光谱ROI区域谱段信息是应用最广泛的方法, 但其提取速度较慢, 人工操作频繁, 易导致新误差. 图像分割作为模式识别的重要方法已广泛应用于数字图像预处理, Chala等[5]利用卷积神经网络提出了一种视网膜图像自动分割编/解码器结构方法; Triki等[6]提出了

    吉林大学学报（理学版） 2022年3期2022-07-07

  • 均值+方差二维表征高光谱信息的苹果腐败预警方法
    度平均值作为光谱信息表征结果的果蔬腐败预警模型构建方法已有报道[1]； 但模型的稳健性、 准确性不太理想。 分析认为，由于均值表征仅反映了整体光谱信息(可称为静态信息)，而光谱信息的变化情况(可称为动态信息)没有得到反映，致使高光谱信息的表征不够充分。 高光谱图像灰度值的方差可以表征光谱信息的波动情况，体现了光谱信息的动态性。 因此，拟尝试基于均值和方差二维表征思路开展苹果贮藏过程中腐败预警模型构建方法的研究，并建立苹果巴氏距离腐败预警模型。1 实验部分1

    光谱学与光谱分析 2022年7期2022-07-06

  • 基于高光谱与集成学习的单粒玉米种子水分检测模型
    结构区域的高光谱信息，采用竞争性自适应重加权变量选择算法、遗传算法、连续投影算法筛选特征波段，建立并比较偏最小二乘回归模型对水分含量的预测效果。结果表明，提取玉米籽粒胚结构的图谱信息较全表面光谱信息更高效。COGDILL等[12]在波长750～1 090 nm范围内建立了一种基于高光谱成像预测单粒玉米种子的水分和油脂含量的模型。采用偏最小二乘回归和主成分回归作为建模算法，并比较了标准正态变换、去趋势项、多元散射校正、遗传算法和不经过预处理对模型预测性能的影

    农业机械学报 2022年5期2022-06-21

  • 一种基于栈式压缩自编码的高光谱图像分类方法
    出了很多基于光谱信息的分类算法，如K近邻、贝叶斯、最大似然估计及随机森林等[3-5]。虽然这些算法取得了较好的分类效果，但由于高光谱图像存在“同物异谱、同谱异物”现象，且样本标注点较少，导致以上算法存在分类精度较低、模型稳定性差。支持向量机(support vector machine,简称SVM)对高维数据的敏感度较低，可以解决光谱维数过高出现的Hughes现象[6]，Wang等[7]将复合核引入支持向量机，提高了其分类性能。文献[8-9]将复合核引入支

    桂林电子科技大学学报 2021年4期2022-01-05

  • 基于不同光谱匹配算法的无人机高光谱遥感影像建筑垃圾分类研究*
    值编码匹配和光谱信息散度等［20］.段瑞鲁等［21］基于实测的沙丘植被光谱数据，对比最小距离、光谱角度匹配、光谱相关系数和光谱信息散度4种光谱匹配模型，成功实现了沙丘典型植被的分类；赵冬娥等［22］提取了多种常见生活垃圾的特征波段，在此基础上，利用光谱角匹配算法成功实现了生活垃圾的识别分类，分类准确度均达99.0%以上；明群杰［23］采用HJ-1A高光谱数据结合植被光谱库数据，分析了交叉相关光谱匹配、光谱角匹配和小波变换等多种匹配算法的适用性，对研究区内的

    首都师范大学学报（自然科学版） 2021年6期2021-12-30

  • 基于EMP与混合核SVM的高光谱遥感影像分类
    对空间信息与光谱信息的叠加信息进行统一处理，并未考虑混合核函数的形式。由于SVM不同核函数具有不同的特性，且空间信息与光谱信息存在差异性，因此如何构造混合核函数来有效地结合空间信息与光谱信息成为一个难点问题。鉴于此，本文提出了一种全新的基于扩展的形态学剖面（EMP）与混合核SVM的高光谱影像分类方法。该方法既利用EMP提取了高光谱影像中的空间特征，并将空间特征与光谱特征进行有效结合，又在单核SVM的基础上构建了两种混合核SVM，充分发挥了混合核SVM的优势

    地理空间信息 2021年11期2021-12-03

  • 基于残差3DCNN和三维Gabor滤波器的高光谱图像分类
    ，包含丰富的光谱信息，因此被广泛应用于地物分类中，但仍存在着维数灾难的问题。高光谱图像中同时也含有丰富的纹理信息，有效利用纹理信息能够显著提高分类精度。三维Gabor滤波器不仅能够保留图像丰富的光谱信息，还能提取到图像的纹理特征。为了充分利用高光谱图像的特征，提出一种基于三维Gabor和残差三维卷积神经网络(Res-3DCNN)的分类方法。三维卷积神经网络(3DCNN)能够直接对三维立方体数据进行处理，提取到深层纹理-光谱信息，然而随着网络层的加深会产生网

    图学学报 2021年5期2021-11-09

  • 基于神经网络的多光谱信息融合的树种识别算法研究
    神经网络的多光谱信息融合的树种识别算法，对树种进行识别。1 基于神经网络的多光谱信息融合识别原理神经网络是一种多层神经网络，其结构如图1所示。图1 神经网络结构图神经网络算法是运用导师学习算法，在学习过程中通过正向传播和反向传播实现。正向传播负责网络计算，根据输入参数求出结果；反向传播负责逐层传递误差，修改网络权重，用于网络的正确识别，训练完成后识别则只需正向传播[6-9]。多光谱信息融合识别模型如图2 所示。图2 多光谱信息融合识别模型神经网络各并行子网

    电子设计工程 2021年19期2021-10-10

  • 空间和光谱信息保持的多光谱图像融合算法
    在尽量保持多光谱信息的前提下， 提升融合图像的空间质量.现有的多光谱图像融合方法有成分替换法(component substitution， CS)、 多分辨率分析法(multi-resolution analysis， MRA)、 贝叶斯法和基于深度学习的方法. CS方法是指对多光谱图像进行投影， 以分离空间和光谱信息， 然后将包含空间信息的部分替换为全色图像， 主要包括IHS[1]、 PCA[2]、 GS[3]、 AIHS[4]等， 该方法运算耗时少，

    福州大学学报（自然科学版） 2021年3期2021-06-17

  • 盐碱地光谱信息获取及改良分析
    分布;危害;光谱信息;获取手段;改良中图分类号 S156.4文献标识码 A文章编号 0517-6611（2021）10-0028-04doi：10.3969/j.issn.0517-6611.2021.10.007开放科学（资源服务）标识码（OSID）：Spectral Information Acquisition and Improvement of Saline-alkali LandSUI Min，ZANG Shu-ying，REN Jian-hu

    安徽农业科学 2021年10期2021-06-15

  • 基于可见/近红外光谱和深度学习的早期鸭胚雌雄信息无损检测
    h采集一次光谱信息， 采集0～8 d共9 d的光谱信息。 利用可见/近红外透射光谱信息采集系统对种鸭蛋进行透射光谱采集， 采集光谱时将种蛋竖直放置， 钝端向上。 由于孵化7d的种鸭蛋透射难度较大， 将光谱仪的采集积分时间设定为700 ms， 扫描次数设定为1。1.2.2 雌雄胚胎人工判别种鸭蛋在孵化过程中性腺开始转换为卵巢或睾丸， 在孵化后期可以通过睾丸和卵巢的形态进行性别鉴定， 雌性胚胎的卵巢两侧发育不对称， 而雄性胚胎的两侧睾丸则对称发育[9]。 为

    光谱学与光谱分析 2021年6期2021-06-10

  • 基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演
    影削弱了冠层光谱信息，降低了冠层氮素含量反演精度。因此，如何去除果树冠层遥感影像中的阴影，以提高氮素含量反演精度，是一个亟需解决的现实问题。【前人研究进展】阴影去除的方法一般是对原始影像进行归一化、多波段阴影监测等处理，这些方法操作简单快速，但精度较低，且在对阴影进行识别的过程中改变了非阴影区的信息，降低了原影像的精度[10-12]。近年来，一些模型和算法应用于阴影的识别和去除中，这些方法一般基于先验知识对阴影进行识别或模拟，实现阴影与非阴影区的分离以达到

    中国农业科学 2021年10期2021-05-31

  • 基于高光谱成像技术的小麦籽粒品种鉴别方法研究
    理等特征)和光谱信息，可同时快速、无损检测样品的物理(颜色、大小、形状和质地等)和内部组成成分的化学和分子信息(水分、脂肪、蛋白及其他氢键物质)[2]，已广泛用于水稻[3，4]、玉米[5，6]、大豆[7，8]的鉴别研究，在实现小麦籽粒品种快速无损鉴别方面具有可行的理论基础。近年来，国内外已有基于高光谱成像技术对小麦品种鉴别方面的研究报道，但仍处于初步探索阶段。Mahesh等[9]采集了加拿大西部种植的8个小麦品种籽粒的960～1 700 nm波长范围的高光

    中国粮油学报 2021年4期2021-05-26

  • 基于面向对象的无人机遥感影像荒漠植被分类
    ch，DS)光谱信息增强能够提高影像色彩饱和度，有助于影像信息提取[18]，在此基础上结合面向对象与机器学习算法的分类方法是否适用于荒漠植被分类尚有待印证。古尔班通古特沙漠是我国面积最大的固定、半固定沙漠，低矮灌木与草本交错分布，同地表形成的灰褐色结皮形成了复杂的地表异质性[19]，对荒漠植被的分类造成很大干扰。鉴于此，本文基于高分辨率无人机遥感影像和数字表面模型(digital surface model，DSM)，在对影像去相关拉伸的基础上利用面向对象

    中国农业科技导报 2021年5期2021-05-20

  • 不同分辨率无人机数码影像的马铃薯地上生物量估算研究
    用数码影像的光谱信息计算植被指数进行参数估算，模型的精度容易出现饱和现象。为了解决这一问题，众多学者通过引入作物株高和纹理特征分别结合光谱特征来估算作物参数，达到了理想的效果。相较于作物株高而言，纹理信息更具多面性，能够反映图像的灰度属性和空间位置关系，将其与光谱信息结合能够更好地减弱仅利用植被指数反演作物参数出现的低估现象，提高估算模型的适用性[10]。当前，利用数码影像以二者融合为变量估算作物AGB的研究较少，主要以高光谱和多光谱为主。刘畅等[11]利

    光谱学与光谱分析 2021年5期2021-05-11

  • 香蕉贮藏中腐败基准确定与高光谱信息表征及腐败预警模型构建
    成分与结构的光谱信息，还能获取其外部形状、表面缺陷的图像信息。 现在，高光谱技术已经在精准农业[2]、医学诊断[3]、军事防御[4]、农产品品质评价[5]及食品质量控制[6]等方面得到广泛使用。 但是，香蕉的高光谱研究主要集中在冷害、成熟度及腐败进程研究，在腐败预警方面研究尚少，并没有建立一个有效的预警体系和腐败标准以实时监控腐败进程。 因此，拟通过对不同贮藏期的香蕉样本进行高光谱信息采集，获取样本的光谱信息，在有效确定腐败基准光谱信息表征向量的前提下尝试

    光谱学与光谱分析 2020年12期2020-12-04

  • 基于卷积神经网络和光谱特征的孵前种鸭蛋受精信息无损检测
    年有学者利用光谱信息与卷积神经网络相结合检测夏威夷果、烟叶、花椒等，但是利用两者结合起来检测禽蛋尚未有文献记载。 本文利用可见-近红外透射光谱技术与深度学习相结合对入孵前种鸭蛋受精信息进行无损检测，探索一种更符合实际生产的区分入孵前无精鸭蛋和受精鸭蛋的鉴别技术。1 实验部分1.1 仪器与材料实验样品为499枚缙云麻鸭种蛋，均为新鲜生产的种蛋。 采购于湖北神丹种鸭场。 对种鸭蛋表面使用酒精进行清理消毒并编号。种鸭蛋光谱采集系统如图1，由Maya2000Pro

    光谱学与光谱分析 2020年12期2020-12-04

  • 面向高光谱图像的高斯-稀疏子空间聚类算法
    信息，只考虑光谱信息；在文献［2］中，Li S提出的领域约束的聚类算法在聚类的过程中，利用领域均匀性指数度量空间信息并与光谱信息结合利用自适应距离标准进行聚类，领域约束克服了随着领域空间的维度增加，领域的样本数量也随之增加，以及所涉及的计算成本也不断增加的问题，同时这种方法再生成领域均匀性指数时需要足够已有标签的示例，往往在实际应用中，获取足够的标签数据是困难的且耗费成本高。在高维数据的聚类算法当中，子空间聚类是实现高维聚类的有效途径。子空间聚类包含稀疏子

    佛山科学技术学院学报（自然科学版） 2020年6期2020-11-19

  • 近红外高光谱快速无接触评估冷鲜猪肉脂质氧化
    nm波段的高光谱信息，构建预测模型实现快速检测不同贮藏期冷鲜猪肉TBA值的可行性，旨在为在线、快速、无接触评估猪肉氧化程度提供理论支撑和数据参考。1 材料与方法1.1 原材料与主要设备冷鲜猪肉(里脊)：河南新乡高金食品有限公司；2-硫代巴比妥酸：分析纯，上海安妍生物有限公司；三氯乙酸：分析纯，上海山浦化工有限公司；高光谱成像系统：HSI-eNIR-XC130型，台湾五铃光电科技有限公司；可见分光光度计：722N型，上海青华科技仪器有限公司；拍打式均质机：N

    食品与机械 2020年8期2020-09-18

  • 低空无人机影像分辨率对冬小麦氮浓度反演的影响
    仅利用影像的光谱信息进行作物参数反演忽略了低空无人机影像具有超高空间分辨率的特征，超高分辨率的影像不但含有光谱信息，还有丰富的纹理信息。纹理特征作为作物的固有属性，不易受到外界影响，反映图像灰度性质及其空间关系，扩大了原始影像亮度的空间信息辨识度，能够在一定程度上解决光谱信息反演存在的饱和问题，提升参数的反演精度[13-14]。目前，结合光谱和纹理信息进行作物氮素营养诊断的研究报道较少。文献[15]比较了无人机影像光谱特征、纹理特征、光谱特征+纹理特征等3

    农业机械学报 2020年7期2020-07-24

  • 基于最优光谱信息的冷鲜鸡肉TBA值快速检测
    nm范围的光谱信息,构建快速预测鸡肉TBA值的数学模型,为建立一种方便快捷评估鸡肉脂质氧化程度的方法提供数据支撑。1 材料与方法1.1 材料与仪器冷鲜鸡胸肉 由河南众品食业股份有限公司提供;2-硫代巴比妥酸 国药集团;三氯乙酸 上海山浦;无菌蒸馏水 实验室自制。HSI-eNIR-XC130型推扫式高光谱成像系统 台湾五铃光电科技有限公司;HERAEUS X1R型台式高速冷冻离心机 美国赛默飞世尔科技公司;722N型可见分光光度计 上海青华科技仪器有限公司

    食品工业科技 2020年14期2020-07-21

  • 光谱分析在西甜瓜内部品质无损检测中的研究进展
    归纳了常用的光谱信息解析方法； 最后， 从技术难点和实际应用两方面综合分析了光谱分析技术在西甜瓜内部品质无损检测中的发展趋势。1 光谱分析技术简介1.1 近红外光谱分析技术近红外光(near-infrared, NIR)是人们最早发现的非可见光区域， 它的波长范围为780～2 526 nm， 波数范围为12 500～4 000 cm-1。 近红外光谱属于分子振动光谱， 利用分子含氢基团(C—H， O—H 和N—H等)的倍频与合频的吸收特性来获取复杂的光谱信

    光谱学与光谱分析 2020年7期2020-07-08

  • NIR高光谱成像技术联用SPA算法快速检测五花肉的过氧化值
    的空间信息和光谱信息,选择性的吸取了两种检测技术的优点,克服了传统检测方法的效率低下、样品的完整性不高、损耗大等弊端[7-8],更具说服力和前沿性[9-10]。NIR光谱成像技术具有响应范围广、多波段且窄而连续,测试重现性好,数据处理速度快、操作简便,能够实现在线及时监控分析,具有分析灵活等特点,同时适用于食品内、外部的品质检测,是肉品品质检测具有前瞻性的新方法之一[11]。近几年来,高光谱成像技术用于研究猪肉品质的报道逐渐增多,但目前大多数研究集中与猪肉

    食品工业科技 2020年8期2020-05-08

  • 基于空谱联合协同表征的高光谱图像分类算法
    于组合空间和光谱信息[4]。该算法在足够带标签的训练样本的情况下有较好的分类结果，但是获得大量带标记样本需要付出很大代价。同步正交匹配追踪算法(simultaneous orthogonal matching pur-suit，SOMP)模型中，测试像素周围的小邻域中的像素同时由标记样本的线性组合表示[5]。正交匹配追踪算法(orthogonal matching pursuit，OMP)施加了显式的平滑约束迫使重构图像的拉普拉斯变换为零[9]。基于稀疏表

    计算机工程与设计 2020年3期2020-04-24

  • 相对熵结合互信息的高光谱波段选择方法
    据中提取地物光谱信息，还应该在保留原始光谱结构与有效光谱信息的前提下，尽可能减少参与运算的数据量，降低光谱信息冗余[3]。高光谱的数据降维方法主要可分为维数约简和波段选择两大类。维数约简就是通过线性或非线性数学变换，将高维数据转化为可解的低维数据[4]。波段选择则是从多达数百个波段的高光谱影像中，选择具有较好分类识别能力的波段组合，代替原始全波段数据参与分析与应用[5]。维数约简通常涉及数学运算，容易破坏数据原始光谱结构，不利于地物光谱信息提取，波段选择则

    遥感信息 2019年6期2020-01-09

  • 基于自适应注入模型的遥感图像融合方法
    以较好地保存光谱信息，但可能会损失部分空间信息，因此文献［11］提出了一种基于引导滤波多尺度分解的方法，效果有所改进。最新的理论研究提出了稀疏表示（Sparse Representation，SR）的方法［12-13］，以及非线性的途径如卷积神经网络［14］等，取得了较好的效果。但是，这些算法需要大量的计算，运行时间较长，且需要大量的样本。由于遥感图像样本数量的限制，以及算法效率的要求，本文综合考虑了上述几种方法，对基于MRA方法的注入模型进行优化，以实现

    北京航空航天大学学报 2019年12期2020-01-02

  • 基于光谱和Gabor纹理信息融合的油桃品种识别
    进行分析。在光谱信息提取中，采用偏最小二乘回归（partial least squares regression，简称PLSR）从全波段光谱数据提取9个特征波长。在图像信息获取中，采用主成分分析（principal component analysis，简称PCA）获得主成分图像，并提取主成分图像的Gabor纹理特征。分别建立基于特征波长光谱特征、主成分图像纹理特征和光谱纹理特征融合的最小二乘支持向量机（least squares support vect

    江苏农业科学 2019年6期2019-09-25

  • 基于近红外光谱技术的生鲜猪肉质量检测研究进展
    用被测物质的光谱信息,用统计的方法在被测物质的某种属性值和所测光谱数据之间建立最优模型的一种间接分析技术[5]。近红外光是介于可见光与中红外光之间的电磁波,波长在780～2526 nm之间[6],其由分子非谐振性振动引起的能量由低级向高级跃迁所产生的。近红外光谱主要反映含氢基团(C-H、N-H、O-H等)振动的倍频、合频吸收,而大多数有机物质主要成分都由此类基团构成[7]。肉类中富含蛋白质、脂肪、碳水化合物等有机物,通过近红外光谱分析可以得到肉品大量信息,

    食品工业科技 2019年10期2019-07-10

  • 苹果内部品质分级机械手设计与试验
    集苹果近红外光谱信息，并对其内部品质进行预测，为设计水果内部品质在线检测装置提供思路。1 机械手设计1.1 结构组成及工作原理苹果内部品质分级机械手主要由夹持机构、近红外光谱采集系统、控制系统3部分组成，图1为装置示意图。夹持机构完成抓取苹果和释放苹果的动作，近红外光谱采集系统完成近红外光谱信息采集，控制系统在苹果夹持和光谱信息采集中起到连接动作和控制过程的作用。图1 装置硬件示意图Fig.1 Schematic of device hardware1.步

    农业机械学报 2019年1期2019-02-15

  • 基于光谱梯度角与光谱信息散度评价指标的遥感影像融合方法比较
    基于影像地物光谱信息，因此保持光谱信息在遥感影像融合中显得格外重要。高分辨率遥感数据的全色影像具有较好的空间特征信息，而多光谱影像则拥有较好的光谱信息,融合处理能够提高后续影像的使用。目前对遥感影像数据融合评价的研究颇多,但大多数对遥感影像融合评价指标都是基于融合前后影像的空间细节和信息量等方面进行的，虽然这些指标在一定程度上能够反映不同融合方法对影像空间分辨率的保持能力，但是无法体现融合方法对地物光谱特征和光谱信息的保持能力。针对以上问题，以光谱信息散度

    测绘工程 2018年11期2018-11-02

  • 傅里叶变换红外光谱鉴别芝麻酱中掺杂花生酱
    集纯芝麻酱的光谱信息，有效地建立了FTIR鉴别纯芝麻酱中掺杂花生酱的判别模型，为纯芝麻酱的质量控制提供了有益思路。1 材料与方法1.1 样品的收集及制备根据湖北省内调味品企业生产状况，共收集纯芝麻酱样品30例；掺杂芝麻酱样品则是将纯花生酱(生产企业提供)按10%，20%，30%，40%，50%，60%，70%(质量比例)添加至9例不同的纯芝麻酱中，共计63例。所有样品放置于2～6 ℃避光保存，测试前混匀并恢复至室温，待测。1.2 光谱信息的采集及样品划分采

    中国调味品 2018年10期2018-10-22

  • 基于SVM的出入境特殊物品拉曼光谱识别方法*
    号中所包含的光谱信息，按照光谱信息差异对待检测物质进行分类[8]。在物品识别中，相似性度量[9]是一种常用的简单且有效的方法。其中，相关系数(correlation coefficient)是研究变量间线性相关程度的量，是一种衡量向量间相互关系的方法。设有特征向量X=(x1,x2,…,xn)，Y=(y1,y2,…,yn)，相关系数r定义如下(1)选用相关系数作为相似性度量的判断依据,避免了欧氏距离对信息的丢失和马氏距离对微小偏差的放大作用。因此，本文采用相

    传感器与微系统 2018年6期2018-06-05

  • 遥感光谱拍照识别大地物质成分
    性，可以反推光谱信息来源于哪些物质。但其中仍有两大难题，一是提高光谱分辨率的难度大，低分辨率下不同物质的光谱曲线相似度高，很难区分不同光谱信息间的细微差别；二是在采集大面积待测区域的光谱信息时，单位像素中多种物质混杂，不易得到各类纯物质的光谱信息。该校光谱成像与智能感知重点实验室经过5年努力，成功攻克了兩大难题，使光谱分辨率最大可达4nm，相当于一张纸厚度的万分之一；同时，实现了多种物质光谱信息的“解混”，并可根据使用环境经纬度、大气、光照等因素自我校正，

    科学家 2017年21期2017-12-14

  • 基于植被光谱信息的龟裂碱土碱化程度预测研究
    ；龟裂碱土；光谱信息中图分类号：S153文献标识码：A文章编号：16749944（2017）200001051引言土壤盐碱化是土壤资源恶化的主要内容之一，通常出现在降雨少的干旱地区，这种地区水分蒸发量大、地势较低、地下潜水位偏高且可溶性盐分含量多。盐碱化是阻碍农业经济和世界生态环境可持续发展的重大难题，也是我国面临的主要生态问题[1]。我国的盐碱化土壤主要分布于西北干旱半干旱地带[2]，盐分多，作物难以生长，产生了很多荒地，受盐碱损害比较严重[3]。土壤盐

    绿色科技 2017年20期2017-11-10

  • 傅立叶变换光谱仪的研究现状与光谱信息分析原理
    的研究现状与光谱信息分析原理，为未来科研人员研制新型傅立叶变换红外光谱仪提供原理与技术支持。[关键词] 红外光谱仪；光谱信息；信息处理doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 05. 043[中图分类号] O433.1；O438.2 [文献标识码] A [文章编号] 1673 - 0194（2017）05- 0079- 05红外光谱可以用于定性分析，也可以用于定量分析，还可以对未知物进行剖析。红外光谱

    中国管理信息化 2017年5期2017-06-22

  • 多种分子光谱快速分析黄芩中的黄芩苷含量
    根据不同类型光谱信息进行黄芩质量快速分析的适应性，采用高效液相色谱(HPLC)法测定了73批黄芩样品中的黄芩苷含量并作为y值，以各样品的近红外、紫外-可见光谱及包含紫外、可见及近红外的多源复合光谱信息作为x值；根据各类光谱信息分别采用偏最小二乘回归(PLSR)与K最近邻样本保形映射(KNN-KSR)方法进行样品中黄芩苷的预测，根据验证集样本真实值与预测值的均方根偏差(RMSEP)、平均相对误差(MRE)与相关系数(R)评价预测精度。结果表明，采用KNN-K

    分析测试学报 2017年5期2017-06-07

  • 一种利用空间和光谱信息的高光谱遥感多分类器动态集成算法
    种利用空间和光谱信息的高光谱遥感多分类器动态集成算法苏红军1， 刘浩2(1.河海大学地球科学与工程学院，南京 211100； 2.武汉大学测绘遥感信息工程国家重点实验室，武汉 430079)针对高光谱遥感影像分类面临的小样本、分类器不稳定等问题，在总结现有多分类器动态集成算法的基础上，提出了一种利用空间和光谱信息的多分类器动态集成算法。首先，采用支持向量机等5个基分类器构建多分类器集合； 其次，计算各个分类器的分类结果，将大多数分类器分类一致的像元列入样本

    自然资源遥感 2017年2期2017-04-28

  • 近红外光谱的预处理对羊肉TVB-N模型的影响
    结构等对样品光谱信息的影响，提高模型的预测准确性和稳健性，实现现场快速无损检测生鲜羊肉挥发性盐基氮（total volatile basic nitrogen，TVB-N）的目的。本研究应用不同参数组合的单一算法和不同算法组合对样品的光谱信息进行预处理并建模，从模型的预测准确性和稳健性2 个方面探讨算法参数和算法组合对模型性能的影响，找出针对检测生鲜羊肉中TVB-N含量的最佳预处理方法。结果表明，不同的算法参数和算法组合对模型性能的影响差别很大，对样品的近

    食品科学 2016年22期2016-12-06

  • 红外光谱结合统计分析对不同产地玛咖的鉴别分类
    SFLA）对光谱信息进行优化，结果显示，采用GA筛选频率大于4和5的光谱信息，筛选的光谱数据点分别为62 个和29 个；利用SFLA筛选概率大于0.1和0.15的光谱信息，筛选的光谱数据点分别为77 个和27 个。验证结果显示，采用GA-PLS-DA（62个数据点）和GA-PLS-DA（29个数据点）建立的PLS-DA分类模型识别正确率分别为95.12%和97.56%，采用SFLA-PLS-DA（77个数据点）和SFLA-PLS-DA（27个数据点）建 立

    食品科学 2016年4期2016-11-11

  • 高光谱图像信息检测玉米籽粒胚水分含量
    nm近红外高光谱信息，研究了玉米籽粒水分含量与胚结构区域光谱关系，同时采用竞争性自适应重加权变量选择算法(CARS)、遗传算法(GA) 、连续投影算法(SPA)筛选特征波段，建立并比较偏最小二乘回归(PLS)模型对水分含量的预测效果。结果显示，玉米籽粒水分含量与胚结构区域光谱关系显著，随着水分含量的增加，光谱反射值逐渐降低。预测模型结果表明，基于玉米籽粒胚结构区域光谱信息所建立的CARS-PLS，GA-PLS和SPA-PLS回归模型预测相关系数Rp分别为0

    光谱学与光谱分析 2016年10期2016-07-12

  • 遥感与神经网络相结合的潮滩地形模拟方法
    法，构建遥感光谱信息、地貌特征与潮滩高程信息之间的关系模型。结果表明：在遥感光谱信息基础上，引入纳潮盆地纵、横剖面地貌特征因子的神经网络模拟效果更好；将潮滩滩面与潮水沟分别进行网络建模，生成地形，平均绝对误差达0.299 m，这说明，神经网络在模拟高程起伏较大的区域时精度较低，适当降低神经网络输入数据的复杂度有利于改善网络的模拟精度。遥感;潮滩地形;地貌特征线;纳潮盆地;人工神经网络0 引言潮滩是在各种动力、环境因素作用下，受潮汐水位变动影响的陆地与海洋交

    地理与地理信息科学 2016年2期2016-05-25

  • 基于光谱相关角和光谱信息散度的高光谱蚀变信息提取
    光谱相关角和光谱信息散度的高光谱蚀变信息提取吴 浩1,徐 元 进1,高 冉2(1.中国地质大学数学地质遥感地质研究所，湖北 武汉 430074；2.杭州科澜信息技术有限公司，浙江 杭州 310000)针对高光谱遥感蚀变信息提取过程中，由于混合像元的不可避免，导致蚀变矿物光谱曲线存在不同程度的失真而影响目标矿物识别精度的问题，提出一种基于光谱相关角(Spectral Correlation Angle,SCA)和光谱信息散度(Spectral Informa

    地理与地理信息科学 2016年1期2016-05-25

  • 融合光谱-空间信息的高光谱遥感影像增量分类算法
    MPext与光谱信息相结合以增加知识，最大限度地挖掘未标记样本的有用信息，优化分类器的学习能力。不断从分类器对未标记样本的预测结果中甄选置信度高的样本加入训练集，并迭代地利用扩大的训练集进行分类器构建和样本预测。以不同地表覆盖类型的AVIRIS Indian Pines和Hyperion EO-1 Botswana作为测试数据，分别与基于光谱、MPext、光谱和MPext融合的分类方法进行比对。试验结果表明，在训练样本数量有限情况下，INC_SPEC_MP

    测绘学报 2015年9期2015-12-23

  • 高光谱图像目标检测研究进展*
    也含有丰富的光谱信息，而光谱特征是不同物质所固有的，利用图像中的光谱信息可以有效地区分场景中的不同物质。充分利用光谱信息和空间信息，可以更精确地检测出场景中的目标。随着高光谱遥感技术的发展，高光谱图像目标检测技术得到了广泛的使用，并在矿物勘探、农业、环境监测以及国防情报等领域发挥着越来越重要的作用［1］。从理论上讲，高光谱图像目标检测实际上是一个二分问题：将图像中的像元标记为目标或背景。在给定目标先验知识的情况下可以根据光谱信息和空间信息实现图像中目标的判

    网络安全与数据管理 2015年16期2015-03-19

  • “资源一号”02C卫星PMS数据融合方法比较研究
    多光谱影像的光谱信息，梯度金字塔可以显著增加融合后影像的空间细节信息。1 遥感影像融合方法遥感影像融合方法可以分为空间域、分量替换、多尺度分析三类。空间域方法对影像的像素进行空间域处理，特点是融合波段的个数无限制，常用的有比值融合法和高通滤波法。分量替换方法利用某种变换方法对多光谱影像进行坐标空间变换，得到影像的空间细节部分和光谱信息部分，用高分辨率全色影像代替空间分量，逆变换后得到融合图像，常用的方法有 IHS色彩变换法和主成分分析法（principal

    航天返回与遥感 2015年5期2015-03-12

  • 一种基于区域生长的高分辨率遥感影像道路提取方法
    影像中道路的光谱信息特征提取路网的方法。考虑到高分辨率遥感影像光谱信息的复杂性，首先对遥感影像光谱信息进行K均值聚类，实现道路类和非道路类分离；同时，获取区域生长的判决条件和判断阈值，然后在道路类上运用区域生长的方法提取路网；最后，运用数学形态学等处理优化路网。实验证明，该方法从高分辨率遥感影像提取路网有较高的准确度和适用性。关键词：高分辨率遥感影像；光谱信息；道路提取；K均值；区域生长DOIDOI：10.11907/rjdk.143740中图分类号：TP

    软件导刊 2015年1期2015-03-02

  • 银杏叶中黄酮含量的叶面分布检测研究
    光谱图像中的光谱信息,结合主成分分析和线性回归方法建立黄酮含量检测模型(r=0.9219),由此确立银杏叶高光谱图像信号与黄酮含量的对应关系;最后,依次提取待测银杏叶高光谱图像中单个像素点对应的光谱信息,将其代入黄酮含量检测模型以计算各像素点处对应的黄酮含量值,从而得到黄酮含量在整个银杏叶面上的分布图。研究表明:近红外高光谱图像技术可快速检测银杏叶中黄酮的叶面分布,研究为揭示有机组分在食品中的分布规律提供了技术手段。黄酮,银杏叶,分布,高光谱图像技术银杏黄

    食品工业科技 2015年9期2015-02-15

  • 多种融合方法在SPOT—5影像融合中的效果评价
    信息，还要求光谱信息保真性高，否则得出的结果偏差很大或错误，不利于遥感解译。以下采用Brovey变换、乘法变换、主成分（PC）变换、高通滤波（HPF）变换和光谱锐化（Gram-Schmidt变换）方法对工作区内SPOT-5数据的多光谱影像和全色影像进行融合处理，并对各融合效果进行评价。1 遥感图像的融合算法1.1 Brovey变换法Brovey变换也称彩色标准化融合变换，是通过归一化后的多光谱波段与高分辨率影像的乘积来增强影像信息。1.2 乘法变换法利用最

    科技与创新 2014年7期2014-07-03

  • 汽车车身油漆特征数据库的建立*
    善的汽车油漆光谱信息数据库，并已经应用到交通肇事逃逸案件的破获中，例如：国际法医汽车油漆数据查询(PDQ)数据库，加拿大皇家警局(RCMP)的油漆数据查询系统等[4-5]。通过将事故现场的汽车油漆痕迹和数据库中的样本比较，可以很快缩小嫌疑车辆范围。目前国内对于汽车油漆物证的研究还主要停留在同一性鉴定方面，即通过对事故现场的油漆痕迹物证和嫌疑车辆的油漆进行比较，从而确定或者否定嫌疑，为法律提供依据。而这种方法的局限性在于必须有嫌疑的车辆才能进行分析。随着近年

    计量技术 2014年9期2014-03-22

  • 基于FTIR图像无损检测交叉笔画形成顺序的研究
    笔画处的红外光谱信息和空间结构信息。研究结果表明：样品红外谱图能够反映交叉笔画的形成顺序，同时还能够确定交叉笔画是同种或异种材料形成。此法能够为此类文件物证的鉴定提供科学依据。FTIR图像 交叉笔画形成顺序 光谱信息 结构信息 无损检测在诸如借据、遗嘱、合同等文件中，确定交叉笔画形成顺序是非常重要的，特别是在添加或变造文件中，准确确定交叉笔画顺序常常成为鉴别文件真伪的依据。笔画交叉线常分为两种，一种是同种书写材料书写形成的，另一种是异种材料书写形成的。对于

    中国刑警学院学报 2013年1期2013-04-24

  • 基于形态学的空间信息和光谱信息SVM影像分类
    间信息丰富而光谱信息贫乏的高分辨率影像数据时，基于光谱信息的分类方法必然造成分类结果出现“椒盐”现象，分类精度不高[2]。近年来，将空间信息与光谱信息综合应用于影像分类已经成为研究热点[3-5]。目前空间特征信息提取的研究主要体现在3个方面，即基于小波变换的特征提取、基于灰度共生矩阵的特征提取、基于结构和形状的特征提取。Myint等将小波变换和空间自相关、灰度共生矩阵提取特征进行了对比，得出将多波段、多尺度的小波变化应用到分类中可提高分类精度的结论[6];

    测绘通报 2012年12期2012-12-11

  • 非线性算法在近红外预测木材密度中的应用研究
    模型设自变量光谱信息点x1，x2，…，xp与因变量样品密度值y的函数关系式为设fj(xj)的核函数变换为^fj(xj)(j=1，2，…，p)，则有式中:ξj，l－1为变量 xj上划分的区间分点，hj为分段长度、Mj为分段个数，进而可以得到全体光谱信息矩阵与密度矩阵的非线性拟合函数可表示为式中:y 与 zj，l=K之间是线性关系，可以用求解线性回归的方法对其构造回归模型，需要注意的是在进行变量替换后新的变量之间也可能存在多重共线性，可以采用偏最小二乘方法进行

    森林工程 2012年5期2012-08-02

  • 基于稀疏表示及光谱信息的高光谱遥感图像分类
    ，如果仅利用光谱信息进行分类，其分类精度必然受到一定的制约。为了提高像元分类精度，必须进一步提取图像的其他信息，例如形状、纹理、空间关系和扩展形态剖面(extended morphological profile)特征[1]。另外，由于高光谱数据维数高、数据量大、训练样本数目有限，传统的分类方法运算速度慢，分类精度低，还会出现严重的huges现象[6]。在高光谱遥感分类中随机森林分类器[7]具有明显的优越性，因此随机森林分类器应用被归纳为高光谱遥感分类最重

    电子与信息学报 2012年2期2012-04-29

  • QuickBird高分辨率影像融合方法比较研究
    除了其大部分光谱信息,然后在高通滤波结果中加入光谱分辨率高的图像,最后形成高频特征信息突出的融合影像。1.2 PanSharp变换法参数光谱特性该方法利用最小方差技术对参与融合的波段的灰度值进行最佳匹配并利用此原理调整单个波段的灰度分布以减少融合结果的颜色偏差,另外该方法还对输入所有波段进行一系列的统计运算并以此来消除融合结果对数据集的依赖性和提高融合过程的自动化程度。这种方法利用PCI 9.0软件和ENVI 4.5软件都可以实现,利用PCI 9.0软件进

    无线电工程 2011年6期2011-06-14

  • 一种顾及先验知识与光谱信息的土地利用/覆被遥感分类方法
    及先验知识与光谱信息的土地利用/覆被遥感分类方法尤淑撑,刘顺喜(中国土地勘测规划院,北京 100035）提出一种基于贝叶斯综合模型的先验知识与光谱信息的土地利用/覆被类型联合决策方法:首先依据光谱信息对遥感影像进行预分类,然后利用先验知识修正预分类结果,以减少因“同物异谱”和“异物同谱”造成的分类错误,抑制因空间分辨率较高造成的类内噪声较大等现象。试验表明,通过引入先验知识,分类精度显著提高,单纯应用光谱信息总体分类精度为81.89%;引入数字高程模型,总

    地理与地理信息科学 2010年3期2010-12-28

热门标签

关于参考网