Tecnología de espectroscopia de imágenes

Por un lado, la tecnología de detección remota espectral de imágenes de alta resolución espectral es la herencia, el desarrollo y la innovación de la tecnología de detección remota multiespectral, por lo que la mayoría de los métodos de análisis y procesamiento de datos de detección remota multiespectral aún pueden utilizarse para datos hiperespectrales. Por otro lado, la tecnología de espectro de imágenes tiene características técnicas que son diferentes de la tecnología multiespectral, a saber, alta resolución espectral, ultra-multibanda (banda 0 (2-3-4))

--Método de modelado gaussiano MGM: este modelo es una variedad de métodos de simulación para establecer modelos de espectro de reflexión basados ​​en las características espectrales de reflexión y absorción de minerales y rocas. Es un método determinista en lugar de un método estadístico. MGM es la base para analizar los espectros de reflexión en los últimos años. Una técnica analítica desarrollada en (Cloutis, 1989; Veverka, J. et al., 2000)

m(x)=S*exp(-(). xn-μn)2/2σ2 ), (2-3-5)

Generalmente n=-1

Tecnología de identificación y clasificación espectral (clasificación espectral): utiliza principalmente parámetros cuantitativos. Características de las características hiperespectrales, combinadas con su distribución en el espacio de la imagen para extraer información favorable para lograr el propósito de clasificación. Los principales métodos de clasificación son:

--Método de máxima verosimilitud:

--Red neuronal artificial tecnología ANN: generalmente una red feedforward El modelo, es decir, la entrada del nodo de la primera capa oculta es igual a la suma ponderada de la salida de cada nodo de la capa de entrada. El número de iteraciones se basa en minimizar el error promedio de. el sistema.

Investigación técnica sobre métodos de identificación de minerales de roca y análisis de factores que influyen

--Spectral Angle Mapper SAM (Spectral Angle Mapper): este método calcula el vector de espectro de la muestra de prueba (. espectro del elemento de imagen) y el vector de espectro de referencia (el espectro de muestra del miembro final entrenado o espectro estándar La diferencia entre los espectros en la biblioteca) en un espacio n-dimensional (n bandas) se utiliza para determinar la similitud entre los dos. cuanto menor es el ángulo entre los dos vectores, más similares son los dos vectores espectrales y mayor es, lo que a su vez puede determinar que las dos características pertenecen al mismo tipo; de lo contrario, se considerarán diferentes. El modelo matemático es:

Investigación técnica y factores que influyen en los métodos de identificación de minerales de roca del espectro de imágenes

Donde i=1, 2, 3,..., n, n es el número de bandas <. /p>

--Extracción de características de dimensión espectral.): En la clasificación de detección remota hiperespectral, este método se utiliza para reducir la dimensionalidad de datos multibanda, de alta correlación y de alta redundancia de datos. Los métodos estadísticos relevantes incluyen el componente principal. método, el método variable típico y el método PCA mejorado

--Modelado óptico: además del análisis y modelado de datos anteriores, también existe un modelo de análisis de vegetación único (modelado óptico). las características únicas de reflexión de la vegetación. Este modelo utiliza principalmente datos de teledetección hiperespectral para predecir o estimar diversas covariables biofísicas y químicas de la vegetación, como el índice foliar LAI, la biomasa total, la cobertura, etc.; Este modelo es también un modelo estadístico empírico. Este modelo también pertenece al método de modelado estadístico empírico. El modelo general general es:

S=f (λ; θs, Φs; θv, Φv; С), (2-3-9)

Donde, S es el valor predicho Los parámetros físicos y químicos del organismo; λ es la longitud de onda; θs, Φs, θv, Φv son los parámetros de luz incidente y los parámetros de posición geométrica detectados por el sensor, y C describe los parámetros característicos del dosel vegetal. Los modelos en los que se basa este método son el modelo espectral PROSPECT para las propiedades ópticas de las hojas y el modelo de dispersión oblicua arbitraria SAIL para las hojas, el modelo LIBERTY para la inversión de covariables bioquímicas.

Además del análisis de inversión de covariables biológicas y químicas, la aplicación de hiperespectral en la vegetación también se centra en el uso del borde azul, el pico de reflectancia, el borde amarillo, el valle de absorción rojo y la línea espectral roja de Las características espectrales de la vegetación, como los bordes y las áreas de meseta de reflectividad del infrarrojo cercano, y la normalización, las transformaciones logarítmicas, diferenciales y de otro tipo de datos se utilizan para monitorear el estado de crecimiento de la vegetación y las plagas y enfermedades, y para identificar, clasificar y mapear los bosques (. Clark, R. N. Roush.T. espera).

N. Roush.T.L., 1984).

2.3.2.4 Software de análisis y procesamiento de aplicaciones de datos espectrales

Mediante la realización de análisis de pruebas de propiedades hiperespectrales de rocas y minerales y la tecnología y aplicación de métodos espectrales de imágenes análisis Investigué y desarrollé el siguiente software de análisis y procesamiento de datos:

2.3.2.4.1 Software de análisis y base de datos espectral (400-2500φ)

En el extranjero: biblioteca espectral de minerales estándar (incluida la máquina espectro portador) y software de gestión de análisis de espectro SPAM, IRIS del Servicio Geológico de EE. UU. y el Servicio Geológico de EE. UU. JPL, la biblioteca espectral de rocas y minerales del Servicio Geológico de Japón (http://speclib.jpl.nasa.gov; http:// speclab.cr.usgs.gov; Kruse FA et al.

Nacional:

Nacional: Institutos de investigación científica como el Instituto de Óptica de Anhui de la Academia de Ciencias de China, el Instituto de Aplicaciones de la Teledetección de la Academia de Ciencias de China y el El Centro de Exploración Geofísica Aeroespacial y Teledetección del antiguo Ministerio de Geología y Recursos Minerales ha establecido su propia biblioteca de espectros (Wang Runsheng et al., 2000).

2.3.2.4.2 Software de análisis y procesamiento de imágenes

Actualmente, el software de análisis y procesamiento de imágenes espectrales más utilizado en el país y en el extranjero incluye Erdas, PCI, ENVI, etc. Entre ellos, tanto PCI como ENVI tienen capacidades de procesamiento de análisis hiperespectral (ENVI User Guide, 2000). Además, Tetricorder et al. (Clark, R.N., G.A. Swayze, K.E. Livo, 2003). A nivel nacional, el Instituto de Aplicaciones de la Teledetección de la Academia de Ciencias de China y el Centro de Exploración Geofísica Aeroespacial y Teledetección del Ministerio de Tierras y Recursos han establecido sucesivamente sistemas de análisis y procesamiento de datos espectrales de imágenes, como HIPAS, ISDPS, etc. a través de tecnología de métodos de detección remota hiperespectral e investigación de aplicaciones de demostración.