高光谱遥感影像技术发展现状与应用

遥感作为一种常用的地质勘查技术,具有更为分辨率高、图谱合一等优势和特点。因此被广泛地应用到地质、环境监测、农林资源调查、海洋研究等等方面。本文在参考国内外研究文献的基础上,阐述了高光谱遥感的特点、优势,对高光谱遥感影像技术的发展现状进行分析,探讨该技术在经济、军事以及在航空及航天领域的发展情况,同时指出了目前高光谱遥感卫星技术应用存在的主要问题与发展趋势。     

大尺寸机载智能多功能显示器的设计与实现

分析了座舱显示系统发展现状和面临的问题，设计并实现了一种一体化、大屏幕显示的智能化多功能显示器。该型显示器通过FC-AE-ASM（Fibre Channel-Avionics Environment-Anonymous Subscriber Message）网络和高速串行总线高效传输图形数据，解决了图形处理及传输的瓶颈问题；采用ARINC661（座舱显示系统与用户系统的接口）标准，规范了任务处理和显示处理的接口设计标准；支持红外触控以提高人机信息的交互效率；采用工程优化设计以提高显示器抗恶劣环境的能力。应用表明智能多功能显示器运行可靠，相对于传统飞行显示器，在显示处理、数据传输和人机功效等方面具有显著优势。     

改进的基于CNN的高光谱遥感图像分类办法

由于高光谱遥感图像光谱维度大,标注样本相对较少,提出了一种结合主成分分析和改进的二维卷积神经网络的高光谱遥感图像的分类方法。首先,通过主成分分析,降低光谱维度,消除光谱亢余信息。然后,将数据进行分块处理,获得分块数据的样本标签,并将数据分为训练集和验证集,用训练集和验证集训练改进的针对高光谱遥感图像分类的卷积神经网络的参数。最后,将测试集投入训练好的2D-CNN上进行分类,得到分类结果。实验结果表明,提出的模型的分类精度明显提高,从而验证了该方法的有效性和实用性。     

傅立叶红外光谱法对同类书写纸物证的比对认定

建立了傅里叶红外光谱法检验同类书写纸中无机成分的检验方法,通过分析红外光谱图中特征吸收峰的归属对同类纸张进行总结和分类以达到比对认定的目的,方法的重现性好,随机抽样的变异系数均小于15%,检材用量少,为实际案件中纸张物证的认定提供一个实用的方法。     

基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。     

结合色彩空间的林火识别方法研究

分析基于红外辐射的林火识别原理,提出利用可见光图像的色彩空间数据作为红外数据的补充,扩展林火识别的信源输入,进而提高可用信息量,最终提高林火识别准确率的方法,考虑到林林火害的突发性以及识别的高时效性需求,对于可见光图像的处理采用简单有效的技术路线,实验表明,该方法能够有效提取可见光图像中的火焰信息,能够作为红外林火识别系统的有效补充。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题，提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先，利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图，使得目标区域信息增强；其次，结合舰船目标先验信息（长短轴、面积等），利用多级阈值划分算法提取关注的显著区域，并确定原图中候选目标区域；最后，利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割，结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较，结果表明，相比直接进行全图目标搜索的方法，所提方法不仅准确率高、执行速度快，且检测目标的位置更加精确。     

利用红外温升多特征矢量提升电子装备热像异常检测性能

针对接触式电参数故障检测方法而言,其已经不能满足现阶段电子装备检修的实际需求,不能有效的对问题进行解决。文章对利用红外温升多特征矢量提升电子装备热像异常检测性能的方法进行了分析和研究,希望可以为电路故障智能推理打下坚实基础。