悬浮泥沙浓度是水体监测中极为重要的指标。本论文基于神经网络具有弥补传统经验算法固有误差的潜力，设计并开发了基于人工神经网络的神经网络校正器来对经验反演结果进行二次校正。为了防止在小数据集的情况下出现过拟合问题，采用了特殊设计的正则化项。基于高分五号高光谱遥感数据以及在长江口和沿海水域同时收集的悬浮泥沙浓度实地测量结果，研究了4种基线经验模型，并评估了使用神经网络校正器后的精度。在每个基线模型上都测试了神经网络校正器模型的两个典型应用，包括基线模型校正和时间校正。在这两种应用中，结果均表明，经校正的D'Sa模型具有最高的准确性。通过使用基线模型校正，均方根误差从0.1495 g/L降低至0.1436 g/L，平均绝对百分比误差从0.7821降低至0.7580，决定系数从0.6805升高至0.6926。实施时间校正后，平均绝对百分比误差从0.8657降低至0.7817，决定系数从0.6688升高至0.7155。最后，基于神经网络校正器校正后精度最高的模型处理了整幅高分五号高光谱图像。本论文结果为各种经验反演算法提供了一种通用的二次校正方法，以最大程度地减少基线模型的固有误差，并且保证了反演精度。

生物材料的显微高光谱成像分析技术是生物光谱学研究的前沿.烧伤、深度创伤病人治疗过程中，需要确定移植于患者创面的真皮替代物有没有进入正常的血管化进程，这是评价填充修复材料优劣的关键，也是患者创面恢复的重要指标.提出并实现了一种基于G-SA-SVM的快速血管化鉴别方法.该方法以显微高光谱成像技术为基础，首先对采集的高光谱数据进行光谱维和空间维的空白校正处理，然后对数据进行特征自适应性Gamma校正，最后利用模拟退火优化参数的支持向量机算法(SA-SVM)进行识别处理，有效定位红细胞，进而快速定位血管.实验结果表明，本文提出的G-SA-SVM算法误判率更低，识别精度更高，可以用于微血管新生的评价和鉴定.

在外科神经修复手术中, 断端神经束性质的识别成为良好修复的关键。现有的一些神经束识别的方法不太理想。分子超光谱成像技术同时提供生物组织图像和光谱两方面的信息, 对检测目标可进行定性、定量和定位的描述, 可对不同的生物组织从光谱特性的角度识别、分类并在图像上定位;相比较于其他医学成像技术, 具有独特的优势。本研究把超光谱成像技术应用于神经束的识别和分类研究中, 以期通过不同神经束的特征光谱来识别并分类神经束, 并借助图像光谱信息确定神经束在图像中的定位, 以便更好的辅助外科手术人员开展神经修复手术。研究意义在于: 提出一种全新的神经束识别和定位的方法, 辅助外科人员提高神经修复的疗效;储备超光谱成像技术应用于生物组织的定性定量定位分析和研究的技术, 加快超光谱成像技术向实用阶段进展的步伐。

将分子成像技术和高光谱技术相结合, 研制了基于AOTF(Acousto-optic Tunable Filters)的分子高光谱成像系统。 系统由显微镜、 分光仪、 CCD镜头、 图像数据采集卡和计算机等几部分组成。 在综合考虑各功能部件的性能及相互的制约关系的基础上, 分析了系统的性能指标, 系统的光谱范围从550～1 000 nm, 可采集200个波段, 空间分辨率可达0.061 5 μm, 光谱分辨率可达2 nm, 当CCD工作在积分模式下采集速度可达到2.612 5 s·B-1, 当CCD工作在非积分模式下可达到约0.11 μs·B-1。 由于受系统光源和光路中透镜及传感器性能的影响, 采集到的图像数据需要进行预处理, 文中提出一种空间维和光谱维联合校正的灰度校正系数算法, 并给出算法的具体实现。 以白血病的血液作样本, 通过对比校正前后的单波段图像、 伪彩色图像和光谱曲线, 说明校正算法的有效性, 为后续的光谱图像数据分析提供了有效的数据。

将成像技术和光谱技术相结合，再配合显微镜技术，研制了基于AOTF（acoustooptic tunable filters）的分子超光谱成像系统.使用该系统采集了正常、糖尿病和EPO(erythropoietin,促红细胞生长素)药物治疗的大鼠视网膜组织切片的分子超光谱图像数据.通过对正常组、糖尿病组、药物治疗组共30例样本的分子超光谱图像数据进行处理，获得了3组样本的单波段图像和伪彩色合成图像，并提取了各组样本外核层的典型透射光谱曲线.从图像上分析各组ONL (outer nuclear layer, 外核层)的厚度，由大到小依次为正常组、治疗组、糖尿病组，由于糖尿病会引起视网膜外核层细胞凋亡和厚度减少，实验结果表明经EPO治疗后可增加视网膜外核层的厚度.从光谱上分析各组的透射强度，糖尿病大鼠视网膜外核层组织在550~1000 nm光谱范围内的透射强度整体高于正常组，经EPO治疗后，透射强度介于正常组和糖尿病组之间；通过光谱相似性分析，治疗组与正常组之间的光谱相似性高于糖尿病与正常组.实验结果表明EPO能减少视网膜外核层细胞凋亡，对糖网病大鼠有一定的疗效.因而分子超光谱成像系统可以作为一种新的手段，辅助科研人员对糖网病的发病机理和致盲原因及药物疗效进行研究.

设计出一种基于AOTF(acousto-optic tunable filters)的分子超光谱成像系统(MHSI)。 整个系统由显微镜、 分光计、 CCD镜头、 数据采集卡和计算机等几部分组成。 系统的光谱范围为550～1 000 nm, 可采集225个波段, 光谱分辨率优于2 nm, 空间分辨率达到0.3 μm。 由于系统的光源对样本的光谱有较大影响, 本文提出了灰度校正系数算法对数据进行相应的预处理, 并对系统进行辐射校正, 实验结果表明经过预处理后消除了光源的影响, 能更真实的反映样本的生化特征。 本系统不仅能提供物体在可见光范围的单波段图像, 而且能获得图像中任意像素的光谱曲线, 实现了光谱技术与成像技术的结合, 可广泛应用于生物医学, 临床医学, 材料学, 微电子学等学科领域。

使用自行研制的推帚式显微高光谱成像系统采集了正常、白血病人血液涂片的显微高光谱图像数据。通过对正常、白血病人血液显微高光谱数据进行处理,获得了人血液的单波段图像,并提取了部分血液细胞的典型透射率光谱曲线。分析这些曲线发现,病变细胞透射率普遍高于正常细胞,特别是在541.3nm附近透射率高出了50%左右。通过对血液涂片的图像和光谱特征进行分析表明,经过一定的改进,可以将显微高光谱成像系统作为一种新的检测手段,辅助医学研究人员对人血液进行分析。

舌体分割是实现中医舌诊现代化的一个前提工作,分割质量直接影响舌象诊断的性能.然而由于舌的生理特征比较复杂,舌的形态以及舌与嘴唇的连接各不相同,使得舌体分割比较困难.本文采用超光谱成像系统代替数码相机采集舌图像,并借鉴光谱角度匹配算法,发展了基于超光谱图像的舌体分割算法.这一算法通过光谱角度匹配算法将超光谱舌图像立方体转换成光谱角度立方体,然后采用一维脉冲波形的边沿信息检测出边缘信息,最后实现了舌体的分割.试验表明,这种基于超光谱图像的舌体分割算法可以较为准确地将舌体分割出来.

针对中医舌诊现代化中使用彩色或灰度图像进行舌纹分析困难的问题,采用高光谱成像系统代替数码相机进行舌图像采集,并提出基于Gabor滤波器的舌纹分析算法.这一算法充分利用高光谱舌图像图、谱两方面的信息进行舌纹分析,并根据特征向量之间归一化的距离对部分典型舌纹进行初步分类.在对474例具有典型舌纹的高光谱舌图像的分类中,除了在来蛇纹与去蛇纹、四直纹与曲虫纹、太阳纹和龟纹、左右撇纹和锯齿纹之间有一定的误分外,整体具有较好的分类精度.这些分类结果表明,基于高光谱图像的舌纹分析方法明显优于基于灰度图像的舌纹分析方法.