光谱

高光谱 (Hyperspectral) 光谱的定义  光谱是复色光经过色散系统（如棱镜、光栅）分光后，被色散开的单色光按波长（或频率）大小而依次排列的图案，全称为光学图谱。  太阳光色散后有红、橙、黄、绿、蓝、靛、紫，顺次连续分布的彩色光谱，覆盖了大约在390到770纳米的可见光区。 光谱的分类 按波长区域  在一些可见光谱的红端之外，存在着波长更长的红外线，同样，在紫端之外，存在波长更短的紫外线。因此，除了可见光谱外，光谱还包括有红外光谱和紫外光谱。 按产生方式  光谱可以分为发射光谱和吸收光谱和 散射 光谱。 多光谱、高光谱、超光谱的区别  高光谱成像是新一代光电检测技术，兴起于20世纪80年代，目前仍在迅猛发展巾。高光谱成像是相对多光谱成像而言，通过高光谱成像方法获得的高光谱图像与通过多光谱成像获取的多光谱图像相比具有更丰富的图像和光谱信息。如果根据传感器的光谱分辨率对光谱成像技术进行分类，光谱成像技术一般可分成3类： 多光谱成像——光谱分辨率在delta_lambda/lambda=0.1数量级，这样的传感器在可见光和近红外区域一般只有几个波段。 高光谱成像——光谱分辨率在delta_lambda/lambda=0.01数量级，这样的传感器在可见光和近红外区域有几卜到数百个波段，光谱分辨率可达nm级。 超光谱成像——光谱分辨率在delta_lambda/lambda=0

上一篇（ RSD处理高分5号高光谱（GF5 AHSI）数据（三）——从GF5 AHSI 高光谱样本数据搜索光谱库 ）我们使用从高光谱数据集提取到的样本数据搜索光谱库，查找与之最相似的地物光谱，并列出相似程度从高到低的一个清单。这里我们将这个过程反过来， 搜索高光谱数据集中有没有与光谱库特定光谱相似的高光谱对象 。 下面通过例子说明使用RSD实现这种搜索的过程。 使用的数据集GF5_AHSI_E117.12_N40.19_20190501_005208_L10000043254.tar来自高分中心，30m分辨率。光谱库数据选自USGS splib07a的一个白皮松的光谱数据splib07a_WhitebarkPine_YNP-WB-2_frst_AVIRISb_RTGC。 GF5 AHSI高光谱数据集是2019年5.1期间平谷县境内山林，光谱数据使用的是美国白皮松的光谱。要是有本地树种的光谱当然好了，由于我没有，就随便找一个代替的。是说搜一搜平谷有没有美国白皮松生长？开个玩笑了，当然没有，我们就搜索一下光谱最接近的地物对象吧。 1. 加载GF5 AHSI 高光谱数据集，并进行大气校正 这部分在前面几篇已经讲了。 2. 对象分割 勾选高光谱数据层，在主窗口滚动鼠标滚轮直至光标变成黑箭头，右击出现一个弹出菜单。从菜单中选择“分类对象分割->基于图像特征的分割”，点击后出现一个对话框（图1

这一章主要讲述遥感数据的四个分辨率、遥感观测对象的时间与空间、光谱特征 (1)遥感数据的特征 空间分辨率 ：空间分辨率是指遥感图像上能识别的最小地物的尺寸或者大小，或者区分两个地物目标的最小角度或者线性距离的测量。 IFOV：瞬时视场，指遥感器单个探测单元的受光角度 或观测视野，单位为毫弧度。IFOV越小，最小可分辨单元越小，空间分辨率越高。IFOV取决于遥感器光学系统和探测器的大小。一个瞬时视场内的信息，表示一个像元。 实际地物的可高分辨程度不仅取决于空间分辨率的具体数值，还取决于目标的形状、大小，以及它与周围物体的亮度、结构的相对差异有关。真正的识别效果，需要考虑环境背景复杂性等因素的影响。 光谱分辨率 ：是指遥感器所选用的波段数量的多少、各波段的波长位置以及波段间隔的大小，即选择的通道数、每个通道的中心波长(遥感器最大光谱响应所对应的波长)、带宽(用最大光谱响应的半宽度表示)，这三个因素共同决定光谱分辨率。光谱分辨率越高，专题研究的针对性越强，对物体的识别精度越高，遥感应用分析的效果也就越好。但是综合解译较为困难，而多波段的数据分析，可以改善识别和提取信息特征的概率和精度。 时间分辨率 ：时间分辨率是关于遥感影像时间间隔的一项性能指标。遥感探测器按照一定的时间周期重复采集数据，这种重复周期又称回归周期。它是由飞行器的轨道高度、轨道倾角、运行周期、轨道间隔、偏移系数等参数决定的

最近在做高光谱图像的分类，一般入门都会拿Indian_pines、KSC、PaviaU这3副图像来练手。 现在提供下载链接，为方便做这方面研究的同行。 链接： https://pan.baidu.com/s/1h3bNhjWjeCTJZgBsatsgsw 提取码：romr 用的好，就点个赞啦！ 来源： CSDN 作者： Jonsanboy 链接： https://blog.csdn.net/Jonsanboy/article/details/103749424

文章比较了几个常用的优化器对CNN分类高光谱图像精度的影响。虽然思路很简单，但确实很实用。为作者点赞，为鄙人一开始的偏见致歉。 来源： CSDN 作者： wild kindom 链接： https://blog.csdn.net/weixin_39393430/article/details/103655954

目前看到三个，光谱反射率曲线，光谱响应度曲线，光谱特性曲线，傻傻分不清。 而光谱反射率是指地物在某波段的反射通量与该波段的入射通量之比。即地物对不同波长的电磁波会产生选择性反射。因此，地物的反射率通常指的是光谱反射率。[1] 光谱响应指光阴极量子效率与入射波长之间的关系。可以表示太阳能电池对不同波长入射光能转换成电能的能力，其单位为安培/瓦(Amp/Watt)。（感觉很无关，pass） 光谱特性曲线是指 光谱 波长与其他变量间的关系曲线。保持入射光的强度（即光通量）不变，测出不同频率的光所产生的光电流，作出两者之间的关系曲线。[2] 因此认为主要关注的是光谱反射率曲线，然而首先目前接收到的各种遥感数据都是DN值，由于地表自身发出的辐射能量几乎为零，物体辐射的能量是以反射太阳能量为主。DN是遥感影像像元亮度值，记录的地物的灰度值。无单位，是一个整数值，值大小与传感器的辐射分辨率、地物发射率、大气透过率和散射率等有关。而转换为反射率，我觉得我就不用管这部分了。 参考文献： [1]张安定 ．遥感原理与应用题解：科学出版社，2016 [2]王金淑，周美玲著 ．电子发射材料：人民邮电出版社，2008.12(pass) 来源： https://www.cnblogs.com/yizhifanya/p/11827510.html

摘自《基于深度卷积神经网络的高光谱图像分类》徐敏 1.Indian Pines 数据集 145×145 的大小进行标注作为高光谱图像分类测试 用途。 AVIRIS 成像光谱仪成像波长范围为 0.4-2.5μm，是在连续的 220 个波段对地物连续成像的，但是由于第 104-108，第 150-163 和第 220 个波段不能被水反射，因此，我们一般使用的是剔除了这 20 个波段后剩下的 200 个波段作为研究的对象。 该光谱成像仪所成的图像的 空间分辨率约为 20m ，因此，其较容易产生混合像元，给分类带来难度。 图 2.1(a)是抽取其中 3 个波段的二维矩阵叠加作为 RGB 图像三个通道所成的伪彩色图像。该数据总共有 21025个像素，但是其中只有 10249 个像素是地物像素，其余 10776 个像素均为背景像素，在实际分类中，这些像素是需要剔除的，由于截取的这块区域均是庄稼，总共有 16类，因此不同的地物具有较为相似的光谱曲线，而且这 16 类中，样本的分布极不均匀 2.Pavia University 数据集 图像的空间分辨率为 1.3m 。其中 12 个波段由于受噪声影响被剔除，因此一般使用的是剩下 103 个光谱波段所成的图像。该数据的 尺寸为 610×340 ，因此共包含2207400 个像素，但是其中包含大量的背景像素，包含地物的像素总共只有 42776 个

摘要：由于不同的成像原理造成跨光谱图像块的匹配存在困难与挑战；根据不同光谱的成像数据在高级特征桑语义特征存在共同性，（共享语义特征空间）更好的学习，提出了（SCFDM: progressive comparison of spatially connected feature metric learning with a feature discrimination constrain）使用特征差分约束的度量学习-空间对比连接特征网络；此网络保持了在其相对应的光谱域的底层特征，在高层特征空间进行跨光谱特征的交互，特征差分约束增强了网络框架去提炼共享的高级语义特征； 1.简介 •可见光:依赖光照 •红外：不依赖光照，但无颜色信息 •深度：超声波，核磁共振等 获取更加丰富复杂的信息必然进行相互补充，第一步就需要校准，问题就是 不同的成像光谱所产生的图片，存在非线性的表面特征差别； 传统的基于手工特征提取 SIFT,SURF,shape-context,ORB SURF(speeded-up robust feature) BRIEF(binary-robust-independent-elementary features) .. 最近几年的深度学习 1、基于深度学习的局部特征学习 在于 特征距离选择、损失函数设计、训练样本挖掘等 Traditional cnn ,Siamese

1. 所有温度高于绝对零度的物体都以辐射形式产生或释放能量 黑体是一个完美的辐射体和吸收体 真正的物质不能以超过黑体的速率发出热量 黑体吸收并转换所有入射辐射能为热能 2. 3. Stefan-Boltzman’s Law 以W/m^2为单位的总辐射率（M或出射率）与绝对温度的四次方成正比，单位为开氏度。（对于整个波长光谱） M=Power / Area=σ*T^4 σ = 5.669 x 10^-8 W/m^2/oK^4 4. Planck’s Law 给出了黑体在温度t下辐射的强度随波长或频率的函数 在给定温度下，黑体在所有波长下的光谱出射率都不相同 5. Wien’s Displacement Law 当黑体温度升高时，总辐射能量增加，辐射曲线的峰值移向较短的波长 利用wien位移定律可以计算出光谱出射率最大的波长λm λMax = C / T, C = 2.898 x 10^-3 m oK 6. Emissivity发射率 7. Kirchhoff’s Law 在热平衡条件下，材料的光谱发射率必须等于该材料的光谱吸收率 即使不存在热平衡，但温差不是极值，也能很好地近似 通过测量光谱吸收率确定ε的一般实践 Ideal Radiator理想散热器 ≡ Perfect Absorber完美辐射器 Object with zero exitance≡ perfect

卫星 1.1 高分五号 1.1.1【×】 大气痕量气体差分吸收光谱仪：光谱范围 240-315nm、311-403nm、401-550nm、545-710nm，光谱分辨率 0.3-0.5nm，空间分辨率为48km（穿轨方向）*13（沿轨方向），只能探测区域性痕量气体总水平。 1.1.2 【？】大气环境红外甚高分辨率探测仪：光谱范围 750-4100cm（2.4-13.3μm），空间分辨率不清楚。 1.2 高分六号【？】 1.2.1 2米全色/8米多光谱高分辨率相机，观测幅宽90公里 1.2.2 16米多光谱中分辨率宽幅相机，观测幅宽800公里 1.2.3 8谱段CMOS探测器 2.光学遥测 2.1 差分吸收激光雷达（DIAL） 2.1.1 国外 2.1.2 国内 2.1.2.1 安徽光机所：激光雷达车载系统 来源： https://www.cnblogs.com/baiyp1989/p/11326074.html