technique d'imagerie hyperspectral avec ultra-multi-bandes, une résolution spectrale élevée (plusieurs nm), une bande étroite (≤10-2λ), une large gamme spectrale (200-2500nm) et la carte des caractéristiques de l'unité. Avantage images acquises En raison de l'effet «empreinte digitale» du spectre réfléchi de l'objet, le principe selon lequel différents objets ont des spectres et des objets identiques doit être le même spectre pour distinguer différentes informations matérielles.
Les caractéristiques spectrales de l'objet et de ses propriétés physiques et chimiques inhérentes étroitement liés, en raison de différences dans la composition du matériau et de la structure de la matière provoquant une absorption sélective interne des photons de longueurs d'onde différentes et d'émission. courbes spectrales complètes et continues peuvent mieux refléter les différentes espèces telles Les différences inhérentes chez les spectateurs, qui est exactement la base physique de la spectroscopie d'imagerie pour atteindre la détection de l'objet au sol fin.
L'expérience suivante en utilisant Sichuan double spectre Technology Co., Ltd hauteur d'imagerie Spectromètre Effectuez le test pour conclure.
Premièrement: haute résolution spectrale: Détecteur de largeur de bande spectrale de chaque bande, représente la capacité de détecter le détecteur spectral, comprenant un détecteur de largeur pour détecter le spectre total, le nombre de bandes, chaque espacement de bande et la plage de longueur d'onde de mouvement est détecté. plus la bande est détectée, plus la gamme de longueurs d'onde pour chaque bande, la largeur de bande interdite est plus petite, plus la résolution du spectromètre. haute résolution spectrale du détecteur, l'image qui peut ainsi tenir compte de la caractéristique spectrale acquise propriétés, la différence entre les différentes caractéristique dans l'image reflète bien, le détecteur de caractéristique détecte la capacité est forte. Une caractéristique importante de données d'image hyperspectrale est multi-bandes et la quantité de données ultra large, son traitement il est devenu l'une des applications clés de succès pic d'absorption spectrale généralement minérale largeur d'environ 30 nm, seule l'utilisation de moins que la résolution spectrale 30nm du capteur peut être identifié avant.
Deuxièmement: le spectre d'image d'une unité:
Principalement reflété dans l'image et le spectre sont présentés en même temps, et le spectre caractéristique matériel est continu, l'étude de n'importe quelle partie de l'information peut être analysée par la modélisation de données.
Figure Traitement et analyse de données hyperspectrales
Minéraux: parties stables de la composition chimique et de structure physique, en fonction des caractéristiques spectrales du spectre de l'absorption des minéraux, le facteur déterminant est: l'interaction avec le champ cristallin des matériaux électroniques, et la vibration moléculaire.
Les caractéristiques spectrales du sol: minéraux indigènes du sol: Shi Ying, feldspath, mica, une petite quantité d'amphibole, pyroxène, apatite, hématite, gravier du sol pyrite, sable presque plein. est la composition d'origine des minéraux, principalement dominés par la majorité de quartz de quartz et les particules sont des minéraux de silicate composition du sol minéral secondaire native a une catégories principales: 1 inférieurs, des sels simples tels que le carbonate les sels, les chlorures et les sulfates; 2, les oxydes hydratés, tels que l'oxyde de fer, l'oxyde d'aluminium, l'oxyde de silicium; 3, des silicates d'aluminium en couches secondaires, telles que la kaolinite, la montmorillonite et l'hydratation micas Etc.
L'humidité du sol est une partie importante du sol, le sol lors de l'augmentation de la teneur en eau, le facteur de réflexion du sol va baisser, la bande d'absorption respective à 1400nm dans l'eau, 1900nm, 2700nm, une diminution de la réflectivité en particulier pour les plantes et le sol, ce phénomène est clairement la même raison, que le rayonnement incident est absorbé par qiang Lie bande d'absorption d'eau à une eau particulière due.
Figure Courbe spectrale de sol à faible humidité
La réflectance spectrale du grès varie avec le temps d'intrusion de l'eau
La texture du sol fait référence à la proportion relative des particules de sol de différentes tailles de particules a occupé son influence sur les propriétés de réflectance spectrales du sol, principalement dans deux aspects:
1. Affecter la capacité de rétention d'eau du sol, affectant ainsi la réflectance spectrale du sol;
2. La taille des particules du sol a aussi un grand impact sur la réflectivité du sol;
Pour les plus petits portion de sol argileux de particules, en raison de son fort effet hygroscopique, il a des anomalies dans le 1400nm, 1900nm, 2700nm, etc., de la bande d'absorption de l'eau. Avec des particules de sol deviennent plus petits, ce qui réduit l'espace entre les particules, la surface spécifique hausse grande surface a tendance à être plus lisse, le facteur de réflexion dans le sol de limon est plus élevé que le sable, mais lorsque des particules fines à l'argile et la capacité de rétention d'eau du sol augmente, mais diminue la réflectivité.
En outre, les facteurs qui influent sur les propriétés réfléchissantes de la texture du sol est non seulement une combinaison de la taille des particules et les conditions de surface, mais aussi étroitement liée à la composition chimique des différentes combinaisons de taille des matériaux.
Image RVB du conglomérat R: 1112 G: 1322 B: 1533
Lorsque le conglomérat est pas l'eau est ajoutée, les données après la réflectance de l'analyse en composantes principales d'étalonnage (PCA): PCA est une transformation linéaire à partir des données multi-bandes, et convertit les données en un nouveau système de coordonnées, de sorte que les données de différence est maximisée. Cette technique est utile pour améliorer le contenu de l'information, isoler le bruit et réduire le nombre de dimensions des données.
Signification: analyse en composantes principales est l'un de l'utilisation la plus étendue de la méthode de réduction de la dimension linéaire, dans de nombreuses applications pour réduire la dimension de l'analyse en composantes principales omniprésentes à la taille de la variance en tant que mesure de la quantité de la quantité d'information qui fournit une plus grande variance. le plus d'informations, moins d'informations contraires. l'idée de base est de conserver un grand écart par transformation linéaire, les informations contenant des composants multiples, une petite quantité de direction perte d'information, ce qui réduit le nombre de dimensions de données. chacune des composantes de la réduction de la dimension est une combinaison linéaire des variables initiales, par conséquent, la principale méthode d'analyse en composantes est essentiellement un procédé qui calcule une étape de réduction de dimension linéaire est généralement divisée en quatre étapes suivantes:
1) Standardisez la collection d'échantillons de données brutes.
2) Calcul de la matrice de données normalisée de la matrice de covariance, et soumis à une décomposition orthogonale, dérivés composantes principales.
3) Calculez la contribution cumulative de chaque composante principale, sélectionnez la composante principale en fonction du seuil de taux de contribution requis.
4) l'établissement d'une équation sélectionnée principal de composant pour le composant principal, la valeur des composantes principales.
PCA est mis en correspondance avec l'argument initial de quelques variables latentes contenant la plupart des informations, et ensuite de déterminer les carrés linéaire des moindres coefficients de ces variables latentes, les variables latentes et établir converti à l'équation de régression à variables car alors les variables indépendantes d'origine et la variable dépendante l'équation de régression. argument de l'efficacité de compression élevé, mais il n'a rien à voir processus de cartographie et la variable dépendante, et il est donc difficile d'obtenir une grande précision de la prédiction.
Savitzky-golay (lissage numérique et filtrage)
Les données ayant des poids différents pour obtenir un lissage de données plus efficace est basée sur le principe des moindres carrés, l'information utile peut être retenu dans l'analyse du signal, ce qui élimine efficacement la méthode de lissage des données de bruit aléatoire en utilisant le lissage des données polynomiales d'ordre élevé, en fait, Est-ce une sorte d'opération de déconvolution.
Parce que le signal spectral recueilli par le spectromètre contient à la fois l'information expérimentale et utile, en même temps Instrument La précision et d'autres raisons portées bruit aléatoire, le procédé le plus commun d'élimination de bruit Savitzky-Golay (SG) convolution de lissage, pour déplacer des données dans la fenêtre par un polynôme des moindres carrés montage d'un lissage polynomial du signal, ce qui élimine le bruit de retenue le profil spectral en raison de la répartition inégale des échantillons entre chacune des tailles d'échantillon de l'échantillon, et la surface de dispersion de l'échantillon modifie le trajet optique aura pour effet de la diffusion, en utilisant la correction loin de dispersion procédé (correction de dispersion multiplicative, MSC) peut être efficace pour éliminer dispersés des effets différents. de plus, les spectres de dérivée peuvent éliminer efficacement la ligne de base et d'autres bruits de fond, distinguer pics qui se chevauchent, afin d'améliorer la sensibilité et la résolution. pour le bruit au cours de sources d'acquisition spectrales peuvent exister, et chaque MSC en utilisant un procédé dérivé de convolution SG La combinaison de données spectrales et de traitement.
Après avoir obtenu en comparant les expériences de la période de temps suivante, conglomérat après absorption de l'humidité, la performance globale de son eau de changement d'image conglomérat dans la roche ou de gravier dans la bande 900 nm-2500 nm dans le proche infrarouge a montré une forte absorption, il a été décrit ci-dessus.
Le test utilise une bande spectrale de la caméra de 900nm-1700nm, la bande d'absorption de l'eau est réalisé principalement autour de 1400nm, tandis que les caractéristiques spectrales de roche minérale et incorporés principalement dans la plage de longueur d'onde 2000nm-2400 nm.
La figure ci-dessous montre que le conglomérat est traité avec PCA, Savitzky-golay (lissage numérique et filtrage) et correction de diffusion multiplicative (MSC) lorsque le conglomérat n'est pas en contact avec l'eau. Composant PC-3 dans l'état de la performance de l'image.
Figure conglomérat sans eau (PC3)
De même, 10 échantillons de la collection de données du conglomérat ont été sélectionnés pour 11:08, 11:17, 11:20, 11:27, 12:00, 12:30, 12:58, 13:36, 13 : 57, 14:35 Un total de 10 images hyperspectrales ont été comparées avec des images de conglomérat non revêtues.
Lorsque l'absorption d'eau n'est pas conglomérat, qui présentent globalement le même état. Lorsque le conglomérat et commence à absorber l'humidité du site de départ contact conglomérat avec de l'eau, jusqu'à ce que l'absorption d'apparence contenue jusqu'à présent. Dans ce processus, la performance des conglomérats Un état d'absorption d'eau très évident.
La figure, de droite à gauche, on peut voir plus de conglomérat temps, conglomérat absorbe constamment l'humidité, plus sombre et plus, les informations décrites dans ce domaine plus absorber de manière significative l'eau, le conglomérat de traitement de performance Oui, tout le conglomérat absorbe l'humidité à des degrés divers, plutôt qu'un seul composant granulaire.
Le rapport d'analyse des données que vous avez fourni plus tôt est basé sur l'une des particules pour analyser ses changements caractéristiques dans les spectres avec le changement de la teneur en humidité des mêmes particules au fil du temps.
11: 08 11: 17
11: 20 11: 27
12: 00 12: 30
12: 58 13: 36
13: 57 14: 35
Ses changements spectraux, je ne serai pas ici pour une analyse détaillée, car chaque pixel sur le conglomérat ou chaque particule de conglomérat peut être étudié efficacement dans l'hyperspectral.
C'est un avantage technique très important de l'hyperspectral: la combinaison d'images et de spectres peut être beaucoup d'acquisition de données, très efficace pour l'étude de la macro-performance globale d'objets ou de substances, mais aussi très intuitive. Il peut y avoir certains avantages dans la précision spectrale, mais ils ne peuvent pas collecter autant de données et d'images à la fois, et l'analyse de la précision peut être fournie au moyen d'une analyse.
La réflectance spectrale du conglomérat varie avec le temps d'intrusion de l'eau
A: Conglomérat sans eau Image du statut de PC: 20160408 11: 08
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Deuxième: état du PC de l'eau de conglomérat Image: Intervalle de temps: 20160408 11:17
newrawfile-conglomerate-1 water-1_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Trois: état de l'eau du conglomérat de l'image PC: intervalle de temps: 20160408 11:20
newrawfile-conglomerate -1- pince à eau -10_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Quatre: état de l'eau du conglomérat de l'image PC: intervalle de temps: 20160408 11: 27
20160408112703 test:
Image RVB
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Cinq: conglomérat état de l'eau de l'image PC: intervalle de temps: 20160408 12: 00
20160408120014
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
VI: PC état du conglomérat avec de l'eau Image: Intervalle de temps: 20160408 12: 30
newrawfile20160408123032_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Sept: état de l'eau du conglomérat de l'image PC: Intervalle de temps: 20160408 12: 58
newrawfile20160408125820
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Huit: état de l'eau du conglomérat de l'image PC: intervalle de temps: 20160408 13: 36
newrawfile20160408133617
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Neuf: statut PC de l'eau de conglomérat Image: Intervalle de temps: 20160408 13: 57
newrawfile20160408135737_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Dix: état de l'eau du conglomérat de l'image PC: intervalle de temps: 20160408 14: 35
newrawfile20160408143523_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
