- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
植物表型分析的集成特征选择：从高光谱到多光谱成像的探索之旅
摘要： 高光谱成像正成为高通量植物表型分析中日益流行的工具，因其能提供关于植物健康状况的显著信息。特征选择是高光谱图像分析的关键环节，这主要因为根据具体应用需求，大量光谱特征存在冗余和/或无关性。本文提出一种集成特征选择方法，用于识别植物表型实际应用中最具信息量的光谱特征。该高光谱数据集包含四个小麦品系的图像，每个品系均设有对照和盐（NaCl）处理组。为对光谱特征进行排序，采用六种特征选择方法作为集成基?。夯谙喙匦缘奶卣餮≡?、ReliefF、序列特征选择、支持向量机递归特征消除（SVM-RFE）、LASSO逻辑回归和随机森林。通过集成ReliefF、SVM-RFE和随机森林获得最佳效果，在将高光谱数据集维度从215个特征大幅降至15个特征的同时，将盐处理植被像素与对照像素的分类准确率提高了8.5%。通过聚类算法确定六个波长作为最显著特征周围宽波段多光谱的中心，将高光谱数据集转换为多光谱数据集。使用所得多光谱数据集评估四个小麦品系耐盐性的结果与高光谱数据集相似。这表明所提出的特征选择流程可用于确定最具信息量的特征，并能成为开发定制化多光谱相机的有效工具。
关键词： 高光谱成像、波段选择、多光谱成像、小麦、集成特征选择、盐胁迫、机器学习、植物表型分析、分类
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一种基于约束粒子群优化的监督线性光谱解混丰度估计新模型
摘要： 高光谱数据中混合像素的存在十分常见。虽然通过光谱解混运算可以确定给定混合像素场景中各光谱特征的比例，但本研究提出了一种基于粒子群优化（PSO）的方法来估算光谱解混的丰度分数。该方法通过计算位置来估算这些比例，在此过程中省略了每个解对应粒子的概念，因此将每个数据像素视为我们的粒子，而其解即为该像素的丰度分数。与其它已提出的用于丰度估算的PSO方法相比，本方法具有较低的计算复杂度。本文采用监督线性混合模型和空间相关数据作为解混操作的假设条件。通过在模拟数据上的测试，观察到该方法表现良好。
关键词： 线性、粒子群优化、解混、高光谱成像
更新于2025-09-10 09:29:36
-
利用高光谱成像技术测定和可视化散装小麦籽粒中不同水平的脱氧雪腐镰刀菌烯醇
摘要： 提出了一种高光谱成像系统，用于快速无损预测赤霉病感染小麦籽粒中的霉菌毒素脱氧雪腐镰刀菌烯醇（DON）含量。光谱预处理采用标准正态变量变换和多元散射校正（MSC），通过连续投影算法（SPA）和随机蛙跳算法筛选特征波长，最终运用支持向量机（SVM）技术和偏最小二乘判别分析建立不同DON含量测定模型。经对比验证，具有最高分类准确率（训练集100.00%，测试集97.92%）的MSC-SPA-SVM模型性能最优，并基于该模型生成了DON含量水平的可视化分布图。
关键词： 光学波长选择、高光谱成像、分类模型、脱氧雪腐镰刀菌烯醇含量、散装小麦籽粒、可视化图谱
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高光谱数据集中城市区域精确表征的结构优化
摘要： 准确评估城市化进程是跨国机构和组织所确定的可持续发展目标得以实际实施的关键因素。为精确刻画人为活动范围并开展可靠的人与环境相互作用评估，地球观测（EO）分析发挥着至关重要的作用。特别是非线性光谱研究的应用能改进对几何与形态复杂场景的描述，从而准确勾勒出人为聚居区及其动态变化。本文提出一种通过结构优化方法直接评估高光谱图像中物质与元素分布的新技术。实验结果表明，该方法能够实现对城市物质构成与范围的精确可靠表征。
关键词： 非线性光谱研究、结构优化、高光谱成像、城市材料表征
更新于2025-09-10 09:29:36
-
通过光谱、形状和纹理特征的组合检测玉米与杂草种类
摘要： 精准检测农田杂草有助于减少农药使用并?；づ┮祷肪场Ｎ⒅悄茉硬菁觳馍璞?，本研究采用成像光谱仪系统，在实验室获取玉米与多种杂草的高分辨率高光谱图像，实现微尺度植物特征分析。通过面向对象分类体系，结合分割算法与决策树算法处理高光谱图像，提取八种植物叶片的形状与纹理特征，继而通过敏感波段筛选及基于图像敏感波段数据计算的植被指数，确定不同物种的光谱鉴别特征。经光谱、形状与纹理组合特征的对比分析，确定R677/R710比值植被指数与归一化差异植被指数的光谱特征、形状指数/面积/长度的形态特征以及熵指数的纹理特征可构建玉米与杂草判别模型。模型评估结果显示，其总体精度与Kappa系数均超过95%。此外，根据各类特征在植物分类中的不同作用，从作物/杂草判别特征的可获取性角度，光谱与形状特征可作为开发杂草识别设备的优选特征。本研究结果为智能杂草检测便携设备的开发提供了重要依据。
关键词： 高光谱成像、面向对象、杂草、决策树、玉米
更新于2025-09-10 09:29:36
-
快速：二维相关光谱（2D-COS）用于空间分辨振动光谱分析
摘要： 过去二十年间，二维相关光谱技术（2D-COS）作为适用于多种光谱模态（包括红外与拉曼光谱）数据序列的通用分析方法取得了显著进展。该分析技术适用于记录受外部样品扰动影响的光谱序列。二维相关分析不仅能解析不同光谱特征间可能存在的关联，还可用于获取单个光谱变化的时序信息。本文综述重点聚焦于2D-COS在空间分辨数据分析中的应用，尤其着重高光谱成像（HSI）研究。我们简要介绍广义二维相关分析方法的基本原理，探讨该技术在空间分辨光谱应用中的具体要点，并展示空间分辨光谱2D-COS分析所需的数据预处理关键环节。通过典型实例证明：2D-COS有助于高光谱成像应用中的光谱带归属分析，能检测光谱特征间的微妙关联，或在异谱（多模态）高光谱成像中揭示不同成像模态特征间的关联。此外还简要概述了现有二维相关分析软件工具。希望本文不仅为空间分辨高光谱数据的2D-COS分析提供实用指南，更能推动该分析方法的进一步推广应用。
关键词： 空间分辨振动显微光谱、多模态成像、二维相关光谱（2D-COS）、高光谱成像
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一个用于高光谱解混的带真实标签数据集
摘要： 光谱解混是高光谱数据处理中最重要的问题之一。然而，由于缺乏带有真实参考值的公开数据集，使得评估和比较不同解混算法的性能变得困难。在本研究中，我们在实验室创建了多个可控环境下的实验场景，其中纯物质光谱和材料组成已知。随后提供了包含这些场景的实验室自制高光谱数据集，并通过典型的线性和非线性解混算法进行相互验证。
关键词： 解混数据库、光谱解混、高光谱成像、真实地物数据
更新于2025-09-10 09:29:36
-
用于高光谱图像分类的行稀疏判别性深度字典学习
摘要： 在最近的高光谱成像、生物特征识别和能源分析研究中，深度字典学习框架展现出良好前景。当训练数据有限时，深度字典学习优于其他传统深度学习工具——高光谱成像正是受益于该框架的典型应用。既往研究多基于无监督模型构建，且所有案例中的训练算法均采用贪婪策略导致次优结果。本研究首次提出联合求解深度字典学习问题的方法，并为该框架设计了新型判别性惩罚项。第三项创新在于将随机正则化技术融入深度字典学习体系。高光谱图像分类实验表明，所提技术超越了近期发表的所有基于深度及浅层（传统）学习的先进方法。
关键词： 高光谱成像、字典学习、分类、深度学习、监督学习
更新于2025-09-10 09:29:36
-
将点云数据与高光谱成像技术相融合，作为采用建筑信息模型（BIM）进行翻新项目的数据采集方法
摘要： 目的——建筑信息模型（BIM）是对建筑物物理和功能特性的数字化呈现。其应用能在建筑设计、施工、运营及维护的高效实现方面带来诸多效益。在新建筑项目初期应用BIM技术相对容易，但将该技术应用于既有建筑（例如作为翻新项目的一部分或设施管理策略的辅助工具）时往往存在问题，这源于对目标设施特征数据集的前期管理不足。这些不足可能包括建筑实际几何形态与建造材料等信息。通过采用自动化追溯数据采集技术为BIM所用，此类问题应能基本解决，并在效率提升与成本节约方面获得显著效益。 设计/方法/途径——激光扫描可采集三维点云形式的几何与空间信息，该技术已投入使用。但由于点云表征本身不含语义信息或几何语境，此类点云数据必须关联建筑规范与建造材料等外部数据源才能用于BIM系统。 研究发现——高光谱成像技术能以一组高分辨率图像形式提供场景的光谱与空间信息。将三维点云与高光谱图像整合，既能精准识别与分类表面材料，也可将三维表征转化为BIM模型。 原创性/价值——该集成方法已在作物管理等其他领域应用。将其迁移至设施管理与建筑领域，将提升从建筑病害诊断到BIM的数据转换效率与自动化程度。本研究探讨了激光扫描与高光谱成像（后者此前未单独应用于建筑领域）集成的技术可行性与优势，并首次展示了该新型集成技术在建筑场景中的应用实例。
关键词： 激光扫描、信息建模、翻新改造、建筑信息模型、点云数据、高光谱成像
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 激光雷达、高光谱与RGB数据融合用于城市土地利用与土地覆盖分类
摘要： 本文提出了一种基于多源数据融合的城市土地利用与覆盖分类方法，该方法整合了多光谱激光雷达、高光谱及超高分辨率RGB数据。通过在IEEE地球科学与遥感学会（GRSS）IADF技术委员会主办的2018年数据融合竞赛提供的数据集上进行验证，该方法展现出卓越的实用性能，不仅能有效区分草地、建筑物和道路等类型，还能精准识别水体、铁路、停车场等其他类别，甚至对汽车、火车、体育场座椅等非典型地物也具有良好分类效果。
关键词： 多光谱激光雷达、超高分辨率RGB、高光谱成像、土地利用分类
更新于2025-09-10 09:29:36