植被日光诱导叶绿素荧光是一种可以表征植被光合生产力的重要衡量指标。为了实现对植被日光诱导叶绿素荧光的广域精准探测，设计并研制了一种叶绿素荧光高光谱成像探测仪。该成像探测仪使用了基于棱镜-体相位全息透射光栅的全透射式光学系统，在高数值孔径（0.25）的基础上实现了高光学性能：可在20°视场和670~780 nm（可扩展至650~800 nm）工作波段实现1 mrad的空间角分辨率、0.3 nm的光谱分辨率和优于100的信噪比。由系统设计结果、样机测试结果和应用数据分析结果可知，样机完全满足设计要求。本仪器可为农林监测和碳循环观测提供重要的科学数据，并可作为陆地植被光合作用中有效的新型观测手段。

对比3种类型高光谱数据以及2种分类算法, 从那曲地区HSI高光谱图像上识别4个草种。 结合实地踏勘从HSI高光谱图像上采集藏北嵩草、 紫花针茅、 高山蒿草和小嵩草这4个草种的原始光谱反射率数据, 并分别进行导数变换、 对数变换, 得到4个草种的原始光谱、 一阶导数光谱、 对数变换光谱。 对这3种光谱数据进行谱线波形分异特征比较、 单因素方差分析以及相关分析, 从这3种光谱数据中提取出各自适用的敏感谱段, 然后将3种光谱数据的敏感谱段分别导入KICA-NFCM算法, 通过对HSI图像分类识别出4个草种。 对比3种光谱数据各自分类图的识别精度, 评价3种光谱数据敏感谱段的适用性； 再将3种光谱数据的敏感谱段分别导入ICA-FCM算法, 与KICA-NFCM算法分类结果比较对4个草种的识别精度。 结果显示谱线波形分异特征比较、 单因素方差分析以及相关分析表明, 原始光谱、 一阶导数光谱、 对数变换光谱的敏感谱段分别为788～925, 711～742, 669～682与788～925 nm； 使用这3种光谱数据进行KICA-NFCM分类, 总体精度、 Kappa系数分别为75.38%, 0.685, 81.26%, 0.752, 87.65%, 0.823； 使用3种光谱数据进行ICA-FCM分类, 总体精度、 Kappa系数分别为64.39%, 0.569, 67.74%, 0.604, 73.14%, 0.662。 比较结果表明对数变换能够增强多组相似光谱数据之问的峰谷特征差异, 为通过谱线波形分异特征比较选取敏感谱段创造条件； KICA-NFCM算法可以优化输入特征、 并引入加权邻域空间信息计算隶属度函数, 针对性解决了标准FCM算法在处理高光谱图像时, 目标识别过程受邻域噪声影响, 分类图像“椒盐效应”显著、 同质区域连通性差的问题。 结果表明: 应用“对数变换光谱/KICA-NFCM算法”组合能够最准确的从HSI图像上识别4个草种, 有效减少混分误判现象, 为精准开展高寒草地成像高光谱观测提供技术基础。

采用体视显微高光谱成像方法, 构建木材树种分类识别模型。 利用SOC710VP体视显微高光谱图像采集系统获取可见光/近红外(372.53～1 038.57 nm)波段内的木材高光谱图像。 首先, 采用ENVI软件提取木材样本感兴趣区域(ROI)的平均光谱, 分别采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对光谱数据进行降维。 再利用支持向量机(SVM)分别建立木材样本采集波段和特征波长下的分类模型。 然后, 在空间维采用第一主成分图像, 计算基于灰度共生矩阵(GLCM)的木材纹理特征。 在0°, 45°, 90°和135°四个方向计算能量、 熵、 惯性矩、 相关性等16个特征参数后输入SVM进行木材树种分类处理。 最后, 采用四个复合核函数SVM进行光谱维和空间维的特征融合及分类识别。 20个树种的分类实验结果表明, CARS的特征波长选择效果和运行速度较好一些, 采用普通SVM进行木材光谱维特征分类处理时, 测试集分类准确率达到了92.166 7%。 采用基于GLCM的木材空间维纹理特征时, 采用普通SVM的测试集分类准确率是60.333 0%, 具有较低的分类精度。 在将光谱维和空间维纹理特征进行数据融合及分类处理时, 采用复合核函数SVM分类具有更好的效果。 采用第二个复合核函数的SVM分类精度最高, 测试集分类正确率是94.166 7%, 运行时间为0.254 7 s。 另外, 采用第一个和第三个复合核函数的SVM的测试集分类准确率分别是93.333 3%和92.610 0%, 运行时间分别为0.180 0和0.260 2 s。 可以看出, 采用这3种复合核函数的SVM进行木材树种分类, 分类精度都高于采用普通SVM的光谱维或者空间维的分类识别精度。 因此, 利用体视显微高光谱成像和复合核函数SVM可以提高木材树种分类精度, 为木材树种快速分类提供了参考。

高光谱成像探测仪在轨波长漂移和性能衰变是有效载荷在轨长期工作必须解决的问题。利用太阳辐射光谱和大气后向散射辐射光谱中特有的Fraunhofer吸收线可作为星上波长定标的基准。针对波长定标精度需求, 优选出高精度的太阳参考光谱, 用仪器狭缝函数卷积后初选出87条Fraunhofer吸收线, 并分析了由Fraunhofer吸收线分布非均匀性引起的系统误差, 以及由仪器探测能力不同而产生的随机误差。综合最大偏差和RMS, 确定了在满足定标精度优于0.01 nm的条件下, 可用的76条太阳Fraunhofer线的精确位置。该研究为高光谱成像探测载荷在轨高精度波长定标奠定了基础。

真菌感染是柑橘的一种常见病害, 是柑橘腐烂的主要因素, 自动化检测出柑橘真菌感染可以有效提高柑橘的商品价值和市场竞争力。 运用高光谱成像技术对真菌感染柑橘腐烂部位的缺陷特征进行了快速识别检测。 基于ROI提取柑橘真菌感染光谱曲线, 对光谱矩阵进行主成分分析, 分析权重曲线后得到4个特征波段, 分别为615, 680, 710和725 nm, 然后对这4波段组合分别做主成分分析, 通过分析权重曲线提取到615和680 nm两个特征波段, 基于这两个特征波段做主成分分析, 以第2主成分图像为基础识别柑橘真菌感染部位, 识别率达到了100%。 高光谱成像技术可用于快速检测柑橘真菌感染引起的腐烂缺陷, 为开发水果分级和缺陷检测等相关仪器设备的研究提供了理论方法和依据。

覆盖“日盲”紫外到近紫外波段的光学材料少，增加了小 F数、大视场宽谱段紫外高光谱成像仪设计的难点。本文仅采用熔融石英和氟化镁两种材料，设计了一套宽谱段紫外高光谱成像仪，光谱范围为 250～400 nm，焦距 15 mm，F数 3.2，视场 31°。系统实现了模块化设计，前置成像镜头和后接光谱仪可独立成像。为保证对接后高光谱成像仪具有较好的像质，紫外镜头采用像方远心设计；光谱仪采用 Offner结构，且反射镜实现了一体化设计，由两个元件组成，可实现同轴安装，极大降低了装调难度。对接后紫外高光谱成像仪像质较好，系统结构紧凑，外形尺寸仅有 128 mm×60 mm×60 mm，实现了系统轻小型化设计。

应用高光谱成像技术对不同保藏温度的灵武长枣的可溶性固形物含量进行预测模型建立。提取图像中感兴趣区域的平均光谱数据, 经过不同光谱预处理后, 利用连续投影法（SPA）选择特征波长, 对4 ℃冷藏光谱提取13个特征波段（421, 426, 512, 598, 641, 670, 675, 723, 814, 906, 944, 978, 982 nm）, 对常温保藏光谱提取12个特征波段（425, 507, 555, 598, 673, 680, 685, 718, 809, 910, 954, 978 nm）。对于MSC处理、MSC+SPA处理、Savitzky-Golay平滑处理和SNV 4种预处理方法, 筛选出的最优预处理方法是冷藏采用MSC处理、常温采用MSC+SPA处理。对应这两种最优预处理方法, 分别建立偏最小二乘法（PLSR）、支持向量机（SVM）、主成分回归(PCR)3种预测模型。在以上获得的6个预测模型中, 得出冷藏、常温保藏的最优模型分别为MSC-PLSR模型（R2C: 0.852, RMSEC: 0.940; R2P: 0.857, RMSEP: 0.894）和MSC+SPA-PLSR模型（R2C: 0.872, RMSEC: 0.866; R2P: 0.787, RMSEP: 1.007）。结果表明: 利用高光谱成像技术, 结合多种预测模型建立, 能够测定不同保藏温度下的灵武长枣可溶性固形物含量, 实现对灵武长枣准确快速的无损检测。

于声光可调谐滤波器(acousto-optic tunable filter, AOTF)工作原理, 设计出一工作波段500~1 000 nm, 视场10°×10°的光谱成像系统。该系统由三组镜头组合而成, 前置物镜与准直镜形成望远系统, 后组成像镜头采集AOTF产生的正一级衍射光, 利用ZEMAX软件进行消像差设计, 全系统在40 lp/mm处的MTF均大于0.5, 其他像差也达到了要求。

为无损检测辣椒粉中苏丹红一号浓度 (C), 本文运用高光谱成像检测技术得到 120个含有不同 C的辣椒粉高光谱图像, 其中 60个作为校正集剩余为预测集, 采用连续投影算法(SPA)从校正集的海量光谱数据中优选出 45个特征波长, 再通过偏最小二乘回归法 (PLSR)、多元线性回归法 (MLR)和主成分回归法 (PCR)建立预测模型。结果表明, MLR模型较优, 其校正集相关系数为 0.998, 校正均方根误差为 0.737 3 μg/ml, 预测集相关系数为 0.987, 预测均方根误差为 1.921 3 μg/ml, 该方法可以实现辣椒粉中 C的无损检测。