técnica de imágenes hiperespectrales con-multi-banda ultra, de alta resolución espectral (varios nm), una banda estrecha (≤10-2λ), amplio rango espectral (200-2500nm) y el mapa de características de la unidad. Advantage imágenes adquiridas informativo, y un alto grado de modelo de datos de reconocimiento de la pluralidad. Dado que el espectro de reflexión del objeto que tiene un efecto de 'huella digital', diferente espectro era diferente, era la misma con ciertos principios de la información de espectro para distinguir entre diferentes especies.
Características espectrales del objeto y sus propiedades físicas y químicas inherentes estrechamente relacionados, debido a las diferencias en la composición y estructura del material de material que causa la absorción selectiva interna de los fotones de longitudes de onda diferentes y de emisiones. curvas espectrales completo y continuo pueden reflejar mejor las diferentes especies tales Las diferencias inherentes a los espectadores, que son exactamente las bases físicas de la espectroscopía de imágenes para lograr la detección precisa de objetos triturados.
El siguiente experimento con tecnología de doble espectro de Sichuan Technology Co., Ltd. Espectrómetro Lleva a cabo la prueba para concluir.
En primer lugar: de alta resolución espectral: Detector de ancho de banda espectral de cada banda, representa la capacidad de detectar en el detector espectral, que comprende un detector de anchura para detectar el espectro total, el número de bandas, cada separación de las bandas y se detecta el rango de longitud de onda de movimiento. se detecta más banda, el más pequeño de la gama de longitudes de onda para cada banda, la banda prohibida es más pequeño, mayor será la resolución del espectrómetro. alta resolución espectral del detector, la imagen que bien puede reflejar la característica espectral adquirida propiedades, la diferencia entre función diferente en la imagen reflejada así, el detector de función detecta la capacidad es fuerte. Una característica importante de los datos de imágenes hiperespectrales es multi-banda y la cantidad de ultra grande de datos, su procesamiento se ha convertido en una de las aplicaciones clave de éxito anchura del pico de absorción espectral generalmente mineral de aproximadamente 30 nm, sólo el uso de menos de resolución espectral de 30 nm del sensor puede ser identificado antes.
Segundo: el espectro de la imagen de una unidad:
Principalmente reflejados en la imagen y el espectro se presentan al mismo tiempo, y el espectro de características del material es continuo, el estudio de cualquier parte de la información puede analizarse a través del modelado de datos.
Figura Análisis y procesamiento de datos hiperespectrales
Minerales: partes estables de la composición química y estructura física, dependiendo de las características espectrales de espectro de absorción mineral, el factor determinante es: interacción con el campo de cristal de materiales electrónicos, y la vibración molecular.
Las características espectrales de la tierra: los minerales naturales del suelo: Shi Ying, feldespato, mica, una pequeña cantidad de anfíbol, piroxeno, apatita, hematita, pirita de grava del suelo, arena casi lleno. es la composición original de minerales, en su mayoría dominadas por mayoría de cuarzo de las partículas son de cuarzo y minerales de silicato composición del suelo mineral secundario nativo tiene un menor categorías principales: 1, sales simples, tales como carbonato sales, cloruros y sulfatos, 2, óxidos hidratados, tales como óxido de hierro, óxido de aluminio, óxido de silicio; 3, silicatos de aluminio en capas secundarias, tales como caolinita, montmorillonita y de hidratación micas Etc.
La humedad del suelo es una parte importante del suelo, el suelo cuando aumenta el contenido de agua, la reflectancia del suelo se reducirá, la banda de absorción correspondiente a 1400 nm en agua, 1900nm, 2700nm, una disminución en la reflectividad especialmente para plantas y el suelo, este fenómeno es claramente la misma razón, que la radiación incidente es absorbida por Lie Qiang banda de absorción de agua a una particular agua debido.
Figura curva espectral del suelo de baja humedad
variación de reflectancia espectral figura piedra arenisca con el tiempo de la intrusión de agua
La textura del suelo se refiere a la proporción relativa de las partículas del suelo de diversos tamaños de partícula ocupó su influencia sobre las propiedades de reflectancia espectral del suelo, principalmente en dos aspectos:
1. Afectar la capacidad de retención de agua del suelo, lo que afecta la reflectancia espectral del suelo;
2. El tamaño de partícula del suelo también tiene un gran impacto en la reflectividad del suelo;
Porque la parte del suelo de arcilla de partícula más pequeño, debido a su fuerte efecto higroscópico, él anomalías en los 1400 nm, 1900nm, 2700nm, etc., de la banda de absorción de agua. Con las partículas del suelo se hacen más pequeños, reduciendo el espacio entre las partículas, el aumento de área superficial específica grande, tiende a ser la superficie más lisa, la reflectancia en el suelo limo es más alta que la arena, pero cuando las partículas finas a la arcilla, y capacidad de retención de agua del suelo aumentó, pero reduce la reflectividad.
Además, los factores que afectan a las propiedades reflectantes de la textura del suelo no es sólo una combinación de tamaño de partícula y condiciones de la superficie, sino también estrechamente relacionadas con la composición química de diferentes combinaciones de tamaños de los materiales.
Imagen RGB del conglomerado R: 1112 G: 1322 B: 1533
Cuando no se se añade el conglomerado agua, los datos después de la reflectancia del análisis de calibración de componentes principales (PCA): PCA es una transformación lineal a partir de datos de múltiples bandas, y convierte los datos a un nuevo sistema de coordenadas, de manera que se maximiza los datos de diferencia. Esta técnica es útil para mejorar el contenido de la información, aislar el ruido y reducir el número de dimensiones de datos.
Significado: análisis de componentes principales es una de las más amplia utilización del método de reducción de la dimensión lineal, en muchas aplicaciones para reducir la dimensión de la penetrante análisis de componentes principales para el tamaño de la varianza como medida de la cantidad de la cantidad de información que proporciona una mayor varianza. Cuanta más información, menos se proporciona la información, por el contrario. La idea básica es reducir la dimensionalidad de los datos al preservar la gran varianza y los componentes ricos en información por transformación lineal, Es una combinación lineal de las variables originales, por lo tanto, el método de análisis de componentes principales es esencialmente un método de reducción de dimensión lineal. Los pasos de cálculo generalmente se dividen en los siguientes cuatro pasos:
1) Estandarizar la colección de muestras de datos sin procesar.
2) Calcular la matriz de datos normalizada de la matriz de covarianza, y se somete a la descomposición ortogonal, componentes principales derivados.
3) el cálculo de la contribución acumulada de cada componente principal, un componente principal de la relación de contribución para seleccionar el umbral requerido.
4) Para que los componentes principales seleccionados establezcan la ecuación del componente principal, calcule el valor del componente principal.
PCA se asigna al argumento original unas pocas variables latentes que contienen la mayor parte de la información, y luego determinar el lineal de mínimos cuadrados coeficientes de estas variables latentes, las variables latentes y establecer convertido a ecuación de regresión variables porque entonces las variables independientes originales y la variable dependiente la ecuación de regresión. argumento alta eficiencia de compresión, pero no tiene nada que ver proceso de mapeo y la variable dependiente, y por lo tanto es difícil conseguir una alta precisión de la predicción.
Savitzky-golay (suavizado y filtrado digital)
Los datos con diferentes pesos para obtener suavizado de los datos más eficaz se basa en el principio de los mínimos cuadrados, la información útil puede ser retenido en el análisis de la señal, eliminando eficazmente los datos de ruido aleatorio método de suavizado utilizando alto orden de suavizado de datos polinómicas, de hecho, Es una especie de operación de desconvolución.
Porque la señal espectral recogida por el espectrómetro contiene tanto la información experimental como la útil, al mismo tiempo debido a Instrumento Precisión y otras razones presentadas ruido aleatorio, el método más común de eliminación de ruido Savitzky-Golay (SG) de convolución alisar, para mover datos dentro de la ventana por un polinomio de mínimos cuadrados ajuste de una suavización señal polinomio, que elimina el ruido de retención el perfil espectral debido a la desigual distribución de las muestras entre cada muestra tamaños de la muestra, y la superficie de dispersión de la muestra cambia el camino óptico tendrá el efecto de la dispersión, utilizando la corrección de dispersión lejos (corrección de dispersión multiplicativa, MSC) método puede ser eficaz en la eliminación dispersos diferentes efectos. Además, los espectros derivado pueden eliminar efectivamente la línea de base y otros ruidos de fondo, distinguir picos superpuestos, para mejorar la sensibilidad y la resolución. para el ruido durante pueden existir fuentes de adquisición espectrales, y cada MSC usando convolución método derivado SG La combinación de datos espectrales y procesamiento.
Después de la obtención y la comparación de las experiencias de la siguiente período de tiempo, el conglomerado después de absorber la humedad, el rendimiento global de su conglomerado de cambio de imagen de agua en la roca o grava en la banda de 900 nm-2500 nm en el infrarrojo cercano mostró fuerte absorción, se ha descrito anteriormente.
En este experimento, la banda espectral de la cámara es 900nm-1700nm, y la banda de absorción de agua se concentra principalmente en la vecindad de 1400nm. Las características espectrales de la roca mineral se concentran principalmente en el rango de 2000nm-2400nm.
La figura siguiente muestra que el conglomerado se trata con PCA, Savitzky-golay (suavizado y filtrado digital) y corrección de dispersión multiplicativa (MSC) cuando el conglomerado no está en contacto con el agua. Componente PC-3 en el estado del rendimiento de la imagen.
Figura conglomerado sin agua (PC3)
Del mismo modo, se seleccionaron 10 muestras de toda la colección de datos de conglomerados para las 11:08, 11:17, 11:20, 11:27, 12:00, 12:30, 12:58, 13:36, 13 : 57, 14:35 Se compararon un total de 10 imágenes hiperespectrales con imágenes de conglomerado sin recubrimiento.
Cuando la absorción de agua no es conglomerado, que presentan en general el mismo estado. Cuando el conglomerado y comienza a absorber la humedad del conglomerado contacto sitio de inicio con agua, hasta que la absorción de aparentemente contenida hasta ahora. En este proceso, el rendimiento de los conglomerados Un estado muy obvio de absorción de agua.
La figura, de derecha a izquierda, se puede ver sobre el conglomerado tiempo, conglomerado de absorber la humedad constante, más oscuro, y cuanto más, la información descrita en esta área absorben más agua significativamente, el conglomerado de procesamiento de rendimiento Sí, todo el conglomerado absorbe la humedad en diversos grados, en lugar de un solo componente granular.
El informe de análisis de datos que proporcionó anteriormente se basa en una de las partículas para analizar sus cambios característicos en los espectros con el cambio del contenido de humedad de las mismas partículas a lo largo del tiempo.
11: 08 11: 17
11: 20 11: 27
12: 00 12: 30
12: 58 13: 36
13: 57 14: 35
Sus cambios espectrales, no estaré aquí para un análisis detallado, ya que cada píxel en un conglomerado o cada partícula de conglomerado puede ser efectivamente estudiado en el hiperespectral.
Esta es una ventaja técnica muy importante de los hiperespectrales: la combinación de imágenes y espectros puede suponer una gran cantidad de adquisición de datos, muy efectiva para el estudio del macroendimiento general de objetos o sustancias, pero también muy intuitiva. Otras tecnologías Puede haber algunas ventajas en la precisión espectral, pero no pueden recopilar tantos datos e imágenes a la vez, y el análisis de la precisión puede proporcionarse por medio del análisis.
La reflectancia espectral del conglomerado varía con el tiempo de intrusión de agua
A: Conglomerado sin agua Imagen de estado de la PC: 20160408 11: 08
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Segundo: estado de PC del agua del conglomerado Imagen: intervalo de tiempo: 20160408 11:17
newrawfile-conglomerate-1 water-1_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Tres: conglomerado agua estado de PC imagen: intervalo de tiempo: 20160408 11:20
newrawfile-conglomerate -1- clamp water -10_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Cuatro: estado del agua del conglomerado de la imagen de PC: intervalo de tiempo: 20160408 11: 27
Prueba 20160408112703:
Imagen RGB
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Cinco: estado de agua del conglomerado de la imagen de PC: intervalo de tiempo: 20160408 12: 00
20160408120014
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
VI: estado de PC del conglomerado con agua Imagen: Intervalo de tiempo: 20160408 12: 30
newrawfile20160408123032_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Siete: estado de agua del conglomerado de la imagen de PC: Intervalo de tiempo: 20160408 12: 58
newrawfile20160408125820
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Ocho: estado del agua del conglomerado de la imagen de PC: intervalo de tiempo: 20160408 13: 36
newrawfile20160408133617
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Nueve: estado de PC del agua del conglomerado Imagen: Intervalo de tiempo: 20160408 13: 57
newrawfile20160408135737_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
Diez: estado del agua del conglomerado de la imagen de la PC: intervalo de tiempo: 20160408 14: 35
newrawfile20160408143523_ref
PC-1 PC-2
PC-3 PC-4
PC-5 PC-6
