华北理工大学矿业工程学院, 河北 唐山 063210
高光谱检测是物质定性识别的重要手段, 光谱解混是高光谱分析识别的关键。 针对化合物或矿物混合光谱分析不准确的问题, 采用非负矩阵分解(NMF)盲源解混方法, 建立了一种基于加权NMF高光谱反射曲线的盲源解混分离方法, 用于矿物混合后高光谱的分解与识别。 假设混合光谱模型是多种组分光谱按比例组合的线性方程, 该算法以混合光谱与组分光谱基向量光谱角余弦值为初始权, 采用最小欧氏距离和重加权稀疏约束来建立组合条件从而促进解混矩阵的稀疏性, 开展方程的NMF约束迭代计算, 最终分解出矿物混合光谱的源光谱基向量和丰度矩阵。 选取化学纯的氧化铜和氧化亚铜、 碱式碳酸铜和氢氧化铜、 孔雀石和蓝铜矿三类混合物的高光谱曲线为试验对象, 经过均值化和白化等数据预处理后, 进行基于加权NMF高光谱反射曲线的盲源解混试验, 并以解混性能指数、 光谱均方根误差和光谱角距离为评价指标分析算法的解混效果。 结果表明, NMF解混方法的盲源解混效果十分明显, 在未知混合光谱先验条件基础上, 可以准确分离出源光谱特征, 样本分离精度均小于0.15。 解混后光谱与源光谱的曲线整体变化趋势相同, 保持了源光谱相似的吸收位置和吸收峰, 但是对应吸收位置存在微小偏移, 解混后光谱与源光谱在反射率数值上存在明显的差异。 对混合光谱数据加入5%~15%的高斯噪声后, 再进行基于加权NMF解混处理。 发现混合光谱解混分离的精度随着噪声增大只有微小减小, 解混后光谱角距离以及均方根误差并未发生明显的变化, 说明NMF解混算法具有较好抗噪性能, 对实测非纯物质光谱解混具有一定适用性, 可以作为矿物混合后组分识别与分离鉴定的基础方法。
混合光谱曲线 光谱解混算法 光谱NMF盲源解混 解混性能指数 Spectral mixing Spectral de-mixing algorithm Spectral NMF blind source de-mixing De-mixing performance index 光谱学与光谱分析
2023, 43(8): 2458
红外与激光工程
2021, 50(4): 20200250
1 东北大学资源与土木工程学院, 辽宁 沈阳 110819
2 东北大学智慧矿山研究中心, 辽宁 沈阳 110819
3 东北大学信息学院, 辽宁 沈阳 110819
针对草原土壤属性高光谱监测过程中地表枯落物对土壤光谱建模精度的影响。 以呼伦贝尔典型草原土壤光谱为研究对象, 通过室内模拟光谱实验及野外光谱实测验证, 分析混合光谱特征, 揭示枯枝落叶层对土壤光谱影响的规律, 提出了基于光谱相似值约束下的盲源分离ICA算法, 对混合光谱进行解混, 削减枯枝落叶层对土壤光谱的影响。 结果表明, (1)随枯枝落叶盖度增加, 光谱纤维素吸收指数(CAI)增加, 呈二次回归递增趋势, 可有效检验混合光谱中枯枝落叶的覆盖程度; (2)混合光谱在700 nm跃迁波段有明显的斜率陡增现象, 并在1 680及1 754 nm处存在微弱的木质素吸收特征, 在2 100 nm附近处出现强吸收特征; (3)优化后的BSS-ICA算法可有效分离枯枝落叶同土壤的混合光谱, 进而提升野外光谱估测有机碳含量的精度, 分别利用偏最小二乘回归(PLSR)、 支持向量机(SVM)及随机森林(RF)对解混前后光谱建立预测有机碳预测模型; 其中SVM模型预测精度最高, 预测集的R2从0.71提高到0.75, RMSE从4.82 g·kg-1降低到4.50 g·kg-1。 通过实验研究对定向去除外部环境参数中的地表枯枝落叶层对土壤高光谱影响进行了实证, 并通过野外实测数据验证解混算法的有效性, 为完善野外原位光谱数据反演及监测土壤理化属性提供理论依据。
土壤 地表枯枝落叶 盲源分离 混合光谱 Soil Plant litter Blind source separation Mixed spectrum 光谱学与光谱分析
2020, 40(7): 2188
1 天津师范大学地理与环境科学学院, 天津 300387
2 天津市地理空间信息技术工程中心, 天津 300387
为提高地物光谱模拟精度, 建立地表混合光谱模型, 利用ASD FieldSpec3 Hi-Res便携式地物光谱仪和地物多角度二向性反射平台, 设计试验探测不同角度下的不同叶片覆盖面积的混合光谱。 以等距离/等面积模型为理论基础, 将模型中二维权重系数变化规律扩展到三维空间权重系数变化中, 考虑探测方向倾斜时探测区域权重系数的变化, 提出新的考虑几何角度的三维权重模型对混合光谱进行模拟, 并与实测混合光谱对比分析。 分析结果表明, 相比于等距离/等面积模型, 三维权重模型对探测区域进行了细分, 提高了权重系数计算精度, 模拟的混合光谱误差更小, 特别是在探测角度有倾斜时, 模拟的效果更明显, 均方根误差平均降低了0.016 1, 光谱角误差平均降低了0.07。 三维权重模型考虑了探测角度对权重系数的影响, 提高了光谱模拟的精度, 为地表模型的建立及卫星数据混合光谱分解的应用提供新的理论基础。
二向性 混合光谱 权重系数 三维权重模型 Bidirectional Reflectionmixture Spectra Weight Coefficient Three-dimensional weight coefficient model 光谱学与光谱分析
2018, 38(12): 3815
1 复旦大学 电磁波信息科学教育部重点实验室, 上海 200433
2 复旦大学 信息学院智慧网络与系统研究中心, 上海 200433
提出一种用于高光谱图像小目标探测的目标光谱学习算法, 目的是从图像中学习得到一条更为准确的目标光谱, 从而提高有监督目标探测的效果.该算法由基于自适应权重的目标光谱学习算法和自完备字典两部分组成.前一部分内容是在已有完备的背景字典的情况下, 通过稀疏编码和梯度下降算法来优化学习目标光谱; 后一部分内容通过背景字典的不断扩充来确保该字典的完备性, 从而保证了学习算法的准确性.仿真和实际高光谱数据的实验结果表明, 所提出的方法能有效地提取出准确的目标光谱, 从而显著提高目标探测算法的精度.
高光谱图像 目标探测 稀疏编码 光谱多样性 混合光谱 hyperspectral imagery target detection sparse coding spectral variability mixed spectrum
1 江苏省地理信息资源开发与利用协同创新中心, 江苏 南京 210023
2 南京师范大学江苏省碳氮循环过程与污染控制重点实验室, 江苏 南京 210023
3 环境保护部卫星环境应用中心, 北京 100094
以具有代表性的野外实测光谱数据作为端元,对水体遥感反射率进行线性混合光谱分解,基于分解得到的各组分丰度,构建了一种新的水体叶绿素a指数CSI(叶绿素a光谱指数)。以太湖、巢湖、滇池以及三峡水库水体的307 组实测叶绿素a 浓度及高光谱数据为基础,分析了CSI的特性。以该指数为自变量,构建了内陆浑浊二类水体叶绿素a 浓度估算模型,并分析了模型的抗噪性和传感器适应性。结果表明:1) CSI对水体叶绿素a 浓度大小有较好的指示作用,以fCSI=0 为条件将实测光谱分为2 个类别,可以表征光谱特征的明显差异;2) CSI作为自变量的叶绿素a 浓度估算模型在实测高光谱数据集中的精度与三波段算法(TBA)相近(二者估算结果的平均相对误差分别为0.332和0.330,均方根误差分别为9.892和9.929);3) 以CSI为自变量得到的估算模型对无偏移噪声和有偏移噪声都有较好的抗性,其中无偏移噪声几乎不影响算法的精度,而三波段算法对两种噪声同样敏感,随着噪声增加,估算结果出现较大误差;4) 新的估算算法对传感器波段设置不敏感,其优势在宽波段多光谱数据集中更加明显。相比于传统水体叶绿素半经验算法,CSI算法具有更高的稳定性和更强的应用潜力。
海洋光学 混合光谱分解 叶绿素a光谱指数 叶绿素a浓度 光学学报
2015, 35(11): 1101003
1 安徽建筑大学环境与能源工程学院, 安徽 合肥 230601
2 中国科学院安徽光学精密机械研究所, 安徽 合肥 230031
3 安徽省绿色建筑先进技术研究院, 安徽 合肥 230601
水体高光谱中的混合效应问题是水体定量遥感中的难点。 已有研究表明, 仅依赖标量光谱信息难以解决复杂的水体混合光谱问题。 广域水体污染物除光谱信息之外, 还具有明显的空间分布特性。 充分利用其空间维信息, 可以作为遥感光谱维信息的有益补充, 有利于水体复杂光谱的解混。 以巢湖为例, HJ-1A HSI高光谱数据为数据源, 辅以水面光谱测量数据, 在空间地统计学和遗传算法理论基础上, 利用地统计学中的变异函数模拟相邻空间两像元的分布差异, 将邻域像元空间变异函数作为遗传算法目标函数的约束条件, 建立基于协同克里格遗传算法的湖泊水体高光谱反演混合光谱空间信息分解模型, 并对悬浮物浓度反演结果进行检验。 结果显示, 与常规混合光谱分解模型相比, 混合光谱空间信息分解模型对悬浮物浓度的预测值与实测值相关系数为0.82, 均方根误差9.25 mg·L-1, 相关系数提高了8.9%, 均方根误差下降了2.78 mg·L-1, 表明该模型对悬浮物浓度具有较强的预测能力。 该方法将水体的空间信息与光谱信息有效结合, 可以避免水色参数光谱信号弱导致反演结果失真, 同时由于高光谱波段多、 信息量大, 带来信息提取计算量大而复杂等问题, 也为复杂水体混合光谱模型的求解和模型反演精度的提高提供了有效途径。
高光谱 混合光谱分解模型 空间维 克里格 Hyperspectral Mixed spectral decomposition model Spatial dimension Kriging
1 北京大学遥感与地理信息系统研究所, 北京100871
2 中国农业科学院农业资源与农业区划研究所, 呼伦贝尔草原生态系统国家野外科学观测研究站, 北京100081
3 中国科学院地理科学与资源研究所, 北京100101
4 中国科学院研究生院, 北京100049
实时准确地监测草地植物种类和覆盖面积对草原物种多样性研究和生态环境的可持续发展具有重要意义。 草地植物在花期具有独特的光谱特征, 相比营养生长期, 通过花更容易识别物种。 花期是遥感识别物种的关键时期。 本文利用2008年8月和2010年7月呼伦贝尔草原上麻花头、 棉团铁线莲、 冷蒿、 蓬子菜、 黄花菜、 有斑百合和细叶百合七种花以及裸土的实测高光谱数据, 通过其冠层光谱的特征分析和参量化, 找出了各物种之间的光谱差异, 且得到了参量化特征识别方法, 经验证, 当花在样方中的覆盖度大于10%时, 识别方法的精度在90%以上。 在此基础上, 采用线性解混模型, 计算样方中各种花的覆盖度, 与实际数据相比较, 误差在4%左右, 证明了线性解混模型用于估算草原上花覆盖度的可行性。
呼伦贝尔草原 物种多样性 花期 光谱特征提取 混合光谱分解 Hulunbeier grassland Species diversity Florescense Spectral characteristics extraction Mixed spectra unmixing 光谱学与光谱分析
2011, 31(10): 2778
1 北京大学遥感与地理信息系统研究所, 北京100871
2 中国科学院地理科学与资源研究所, 北京100101
3 中国科学院研究生院, 北京100049
4 中国农业科学院农业资源与农业区划研究所, 呼伦贝尔草原生态系统国家野外科学观测研究站, 北京100081
我国草地分布面积广, 退化情况严重, 实时、 准确地监测草地的生态状况, 对于区域气候、 碳循环研究以及经济发展具有重要意义。 利用地面实测光谱数据进行了高光谱草地退化监测研究。 选择内蒙古呼伦贝尔市的温性草甸草原为研究对象, 测量了草甸草原的羊草、 克氏针茅、 冷蒿等多种植物的叶片、 冠层以及多种植物混合的群落反射率光谱数据。 通过有效的光谱特征参量化方法, 提取叶片和冠层光谱的光谱特征, 准确区分了草甸草原的几种建群和退化指示草本植物, 验证结果表明光谱识别的精度高于95%。 以此为基础, 利用线性光谱混合模型对群落植被的混合光谱数据进行混合光谱分解, 得到各组分的覆盖度, 误差在5%以内。 该文的研究结果为高光谱遥感草地监测提供了有力依据。
高光谱 草地退化 光谱特征 混合光谱分解 Hyperspectral Grassland degradation Spectral characteristics Mixed spectra unmixing 光谱学与光谱分析
2010, 30(10): 2734
武汉大学测绘遥感信息工程国家重点实验室, 湖北 武汉 430079
多光谱活体荧光成像技术正逐渐成为生物医学研究的关键技术,但是荧光物质光谱之间的串扰和自发荧光现象严重影响了荧光影像的解译。混合光谱分解对于去除活体多光谱荧光影像自发荧光效应和进行多种荧光信号分离是非常有效的技术,但是光谱分解的前提是获得了各种荧光物质的光谱。基于多元曲线解析交替最小二乘法(MCR-ALS)计算框架,提出包括非负、等式、闭合性、单峰、波段范围及归一化的多约束条件的荧光纯光谱估计方法,利用估计的纯光谱和线性混合光谱模型得到不同荧光信号的分离,去除自发荧光背景对起标记目的的荧光物质信号的干扰。Dirichle分布随机混合构造的不同信噪比和纯净水平的荧光蛋白混合光谱数据分析结果反映出在混合问题严重、有噪声影响的情况下,该算法要比传统端元光谱分析方法的精度高10倍以上。活体鼠多光谱量子荧光影像的实验也证明了该算法在信号分离上的有效性。
光谱学 自发荧光 线性混合光谱分解 多元曲线解析交替最小二乘法 多光谱荧光影像