摘要：紫叶生菜叶片内富含花青素、胡萝卜素、维生素、矿物质等元素,其中花青素作为叶片组织中的主要色素对植物提供多种修复及保护功能,其含量可反应紫叶生菜的生理状态,因此其高精度预测具有现实意义。为了高效、准确地估算紫叶生菜的花青素含量,采集了紫叶生菜的高光谱数据并开展了高精度建模研究。对原始平均反射光谱数据进行了一阶导数(FD)、二阶导数(SD)、标准正态变换(SNV)、S-G滤波和多元散射校正(MSC)五种预处理操作,基于不同预处理光谱建立紫叶生菜花青素含量的偏最小二乘回归(PLSR)模型并进行性能对比,确定MSC为理想的光谱预处理方法。针对原始光谱及经MSC预处理的光谱,使用竞争自适应重加权采样(CARS)算法分别选择特征波段,基于全波段(原始光谱、经MSC预处理光谱)和特征波段(基于原始光谱的特征波段、基于MSC预处理光谱的特征波段)分别构建PLSR模型,表现最佳的MSC-CARS-PLSR在验证集上的决定系数(R2)和均方根误差(RMSE)分别为0.872和0.070 mg·L^(-1),剩余预测偏差(RPD)为2.862。为进一步提高预测精度,本文提出一种融合深度卷积特征和极限学习机(ELM)的回归分析框架Ensemble,基于改进的Inception模块设计了与输入光谱信号匹配的一维卷积神经网络(1DCNN)作为特征提取器,采用ELM代替全连接层作为高级回归器对提取的特征进行计算。通过对比分析,Ensemble性能优于单独的1DCNN模型、ELM模型以及基于预处理光谱构建的最佳PLSR模型,其在验证集上的R2和RMSE分别为0.905和0.060 mg·L^(-1),RPD为3.319,表现出较高预测精度以及极佳的稳定性。进一步分析了预处理操作对Ensemble预测精度的影响,实验结果显示Ensemble对于预处理操作的依赖程度远小于PLSR,表明该模型同时继承了1DCNN的深度特征表示和ELM的高泛化性,能够实现基于原始光谱进行端到端的高精度花青素含量预测,为及时、准确掌握紫叶生菜长势情况提供了理论支撑。

摘要：高光谱图像具有丰富的连续光谱信息,覆盖从可见光到红外波长范围内数百个波段。此数据特性使得高光谱数据在图像处理中有挖掘光谱内在特征的独特优势,从而有利于充分利用空间和光谱信息,检测感兴趣区域中的目标。但是由于高光谱数据的高维性、实际场景的复杂性以及有标签样本数量的有限性,高光谱异常检测仍面临背景和异常不易区分和检测精度低的问题。为了解决以上问题,本文提出一种面向高光谱异常检测的背景记忆模型。首先,通过无监督的基于密度估计的粗检方法,获得伪背景和伪异常向量。其次,设计基于异常突出正则项约束的背景记忆生成对抗网络模型,扩大伪背景和伪异常间的距离,并采用弱监督—伪标签的训练方式,使得网络具有较强的背景生成能力,同时弱化其对于异常的重构效果,减少对于背景和异常重构的泛化性,增强输出检测结果中背景和异常的差异和辨别度。此外,在特征域和图像域进行对抗学习,提高样本生成能力,更好地学习到输入样本的分布情况,提高网络对背景的生成能力。最后,使用非线性背景抑制方法减小虚警率,进一步提升检测精度。实验结果表明,本文方法相比其他检测算法在不同数据集上具有更好的检测效果。

摘要：为了准确监测辣椒生长,本研究对辣椒冠层光谱反射率进行对数处理、倒数处理、倒数的对数处理、连续统去除处理、一阶微分处理、二阶微分处理,并与SPAD值进行相关性分析,用最大相关系数法(MCC)选取相关性较好的特征波段生成特征波段数据集,再用遗传算法-偏最小二乘法(GAPLS)进行降维得到最优特征波段组合,采用偏最小二乘法(PLSR)、反向传播神经网络(BPNN)、随机森林(RF)和最小二乘支持向量机(LSSVM)4种机器学习算法构建辣椒叶绿素含量反演模型。结果表明,最优波段和对应处理分别为700 nm(原始光谱)、699 nm(对数处理)、713 nm(连续统去除处理)、500 nm(二阶微分处理)、713 nm(二阶微分处理)。GAPLS的降维效果较好,与降维前相比PLSR模型的精度提升率最高,R^(2)、RPD分别提升了82.22%、136.98%,RMSE降低了29.96%。4种模型中,GAPLS降维处理后的PLSR模型的精度最好,R^(2)、RMSE和RPD分别为0.82、1.94、4.55。本研究构建的MCC-GAPLS-PLSR模型具有较好的反演潜力,适用于研究区辣椒叶片叶绿素含量测定,推动辣椒高效种植。

摘要：为实现岩性的快速、无损识别,基于高光谱技术与随机森林算法相结合建立了岩性的识别模型。首先,采集了3种岩石样品的高光谱,然后使用Savizkg-Golag平滑滤波、标准正态变换、多元散射校正和一阶导数4种方法对高光谱数据进行预处理,最后分别结合随机森林算法建立岩性识别模型,基于测试集准确率和F1值等方面进行综合评价,并比较偏最小二乘判别分析方法,从而选择最优模型。结果表明,经SG平滑滤波处理后建立的RF模型识别效果最佳,得到SG-RF模型测试集分类准确率为93.33%,且各类岩石对应的F1值最高。因此,高光谱技术能够实现快速、无损、准确地识别岩性,是一种很有前景的岩性识别方法。

摘要：综述了高光谱遥感在自然资源调查监测中的服务与应用。首先,介绍了高光谱遥感的基本原理和技术特点,包括高光谱数据获取与处理、高光谱类型与特征识别等。随后,重点关注了高光谱遥感在不同自然资源调查方面的应用,包括植被覆盖、土地利用与土地覆盖、水资源、矿产资源等。此外,还讨论了高光谱遥感在自然资源调查中的优势与局限。

摘要：报道了基于分子束外延(Molecular Beam Epitaxy,MBE)碲镉汞(Mercury Cadmium Telluride,MCT)技术的大幅宽、多谱段、大像元高光谱红外探测器的最新研究进展。采用MBE技术制备出高质量MCT材料;采用成熟的n-on-p技术路线制备探测芯片,并针对特殊形状的大像元进行了优化;高光谱专用读出电路设计针对短波、窄谱段、小信号等典型特征进行了优化,并针对光谱应用加入行增益可调等功能设计。测试结果表明,组件基本性能良好,有效像元率大于99.5%,平均量子效率优于70%。

摘要：为有效识别人脸区域,提升其在多种领域应用效果,设计基于人工智能技术的高光谱人脸自动化识别系统。以模块化思想设计嵌入式系统架构,采集与预处理高光谱人脸图像,并将预处理后的图像数据放入RAM存储器;人脸检测模块调用RAM存储器存储数据,并加载Haar人脸分类器,完成人脸区域检测提取工作;之后由人脸特征提取与识别模块经人脸区域LBP特征提取、LeNet-5卷积神经网络人脸识别模型构建与训练等操作,输出人脸识别结果。实验结果表明,该系统能够在较短时间内完成LeNet-5卷积神经网络人脸识别模型训练。

摘要：基于深度学习的高光谱目标检测面临着样本质量不足、网络结构复杂、参数调整费力等问题,本文提出了一种具有数据增强和自动超参数优化的深度学习方法。为了解决样本质量不足的问题,本文引入了一种样本扩增策略。该策略利用端元提取和聚类技术直接从高光谱图像中获取大量背景像素,通过使用相减像素配对方法将这些像素与少量已知目标像素配对,获得大量标记的纯样本对,从而实现数据增强。此外,与大多数复杂的深度网络不同,本文设计了一个由12个卷积层组成的轻量级卷积神经网络(CNN)。该网络专门设计用于高效快速地学习输入样本对与其对应标签之间的映射。结合粒子群优化算法,该网络具有超参数自动优化的能力,克服了参数调整费力的缺点,这使得网络能够根据来自不同高光谱图像的样本自动调整超参数,从而产生最优结果。对于测试像素,训练网络的输入是中心像素与其相邻像素之间的光谱差。当一个测试像素属于目标时,输出分数接近1,反之则接近0。在五个高光谱数据集上的实验结果表明:本文提出的方法明显优于现有的技术。

摘要：输电线路巡检机器人路径自动控制的合理性,是保障巡检机器人能够自主完成巡检任务,提高巡检效率的关键。该文设计基于高光谱遥感图像识别的输电线路巡检机器人路径自动化控制系统。聚类输电线路高光谱遥感图像的像元,识别高光谱遥感图像中的输电线路。依据输电线路识别结果,利用双蚁群算法确定最佳巡检路径。通过模糊PID控制器控制巡检机器人的伺服电机,沿着最优巡检路径移动,实现巡检机器人的路径自动化控制。系统测试结果表明,所设计系统能够依据高光谱遥感图像的输电线路识别结果,规划巡检机器人的巡检路径,巡检路径拐点较少。

摘要：圣祚隆长寺是一座具有四百多年历史的汉传佛教寺院,寺内建筑留存的大量彩画遗迹出现了褪色、变色、脱落等问题。利用高光谱相机对隆长寺建筑彩画的图像进行采集,形成隆长寺建筑彩画光谱数据库,并通过ENVI软件对所采集图像的光谱曲线进行对比分析。结果表明,高光谱相机可显示肉眼无法观测的图像信息,将其与标准图谱曲线库作对比,可分析出6种颜料种类,以此实现对建筑彩画的无损检测与分析,为之后彩画的保护与修缮提供参考与依据。