1 中国科学院空天信息创新研究院中国科学院定量遥感信息技术重点实验室，北京 100094
2 中国科学院大学电子电气与通信工程学院，北京 100049
3 电子科技大学资源与环境学院，四川 成都 611731
提出一种成像前评价关联成像系统性能的方法，基于通信系统信道评价方法对观测矩阵进行分析，计算成像系统的信道容量，以信道容量来评价系统性能。对100幅成像场景、20种不同类型的观测矩阵以及2种重建算法进行成像仿真，并与成像重建后的图像质量评测效果进行对比分析。结果表明：本文在成像前对系统性能的评价结果与成像后的验证结果具有较好的一致性，当采样比例相同时，重构图像的均方差和信道容量对矩阵元素分布类型具有相同的依赖关系；当矩阵元素分布类型相同时，归一化信道容量和归一化反转均方差随采样次数变化的曲线具有很高的拟合程度，其拟合系数R2值普遍大于0.8。本文方法具有很强的适用性，其效果不随图像尺寸的变化而变化，能够广泛应用于常见的遥感场景。
成像系统 观测矩阵 采样比例 分布类型 信道容量 性能评价
1 吉林大学仪器科学与电气工程学院, 吉林 长春 130061
2 中国科学院空天信息创新研究院中国科学院定量遥感信息技术重点实验室, 北京 100094
高光谱图像具有数百个连续、 狭窄的光谱带, 光谱范围跨越可见光到红外光, 可提供地物的精细光谱属性, 对于地物材质和属性的识别分类具有重要应用价值。 针对感兴趣目标选择有限的光谱波段进行传输和处理, 对于提升高光谱数据处理时效性、 以及设计面向特定应用的实用化光谱仪都具有重要意义。 而如何结合目标特征选择最优波段成为在提升处理效率的同时保证目标识别或分类精度的必然要求。 因此如何从数以百计维度的高光谱图像中选择出具有较好分类识别能力的波段子集是急需解决的问题。 提出基于改进粒子群优化算法的高光谱波段选择方法, 该方法区别于传统的粒子群优化算法, 引入 “概率突跳特性”, 并设定新解的淘汰机制, 将“停滞”的新解进行淘汰, 提高了算法的全局寻优性能。 然后基于目标光谱特征采用了最优波段选择的优化目标函数, 通过改进的粒子群优化算法求解目标函数, 并将选定的波段子集反馈到支持向量机(SVM)中执行分类应用。 采用两个标准的高光谱数据集(Indian Pines, Salinas)对选择出的波段子集进行分类测试, 结果表明该方法相较于现有方法具有较高的分类精度, 在几种方法中, 传统的粒子群算法筛选出的波段效果最差; 该算法筛选出的波段的分类精度最好, 两个数据集的分类精度分别可以达到98.141 4%和99.084 8%。
高光谱图像 波段选择 粒子群算法 支持向量机 Hyperspectral image Band selection Particle swarm optimization algorithm Support vector machine 光谱学与光谱分析
2021, 41(10): 3194
西安交通大学第一附属医院肿瘤放疗科, 陕西 西安 710061
基于切伦科夫辐射的光动力治疗是一种不需要外界光激发的新型光动力疗法。通过放射性核素产生的切伦科夫辐射激活附近的光敏剂,使其产生活性氧以破坏靶细胞或组织,它克服了传统光动力疗法存在的组织渗透受限、依赖外部光等缺点,是一个很有前景的新领域,为肿瘤治疗提供了一个新方向。切伦科夫辐射比较微弱、易被生物组织衰减、缺乏对应光谱的光敏剂以及肿瘤靶向性不佳是限制其在临床进一步应用的关键因素。如何增强基于切伦科夫辐射的光动力治疗疗效是未来的研究重点。提高切伦科夫辐射的强度及结合纳米技术对光敏剂进行表面修饰等均可改善光动力治疗效果,但是研究人员对于光动力治疗机制尚存在争议,需要进一步的研究。对基于切伦科夫辐射的光动力疗法用于肿瘤治疗的研究进展进行了综述。
医用光学 切伦科夫辐射 光动力疗法 肿瘤 激光与光电子学进展
2020, 57(19): 190002
1 中国科学院光电研究院 定量遥感信息重点实验室, 北京 100094
2 中国科学院大学, 北京 100049
提出了一种基于光谱稀疏化的压缩感知采样与重构模型, 通过从训练样本中构建光谱稀疏字典提升光谱稀疏化效果, 同时在重构时兼顾空间图像的全变分约束进一步提升重构精度.对200波段AVIRIS高光谱场景进行压缩感知重构的实验表明, 利用构建的光谱稀疏字典与传统的DCT字典和Haar小波字典相比光谱稀疏化效果明显提升, 同时在25%采样下基于光谱稀疏字典几乎无差别重构出了高光谱图像, 同样条件下在空间和光谱的精度与现有常用方法相比有较大的提升.
压缩感知 高光谱成像 稀疏表示 字典学习 重构算法 compressive sensing(CS) hyperspectral imaging sparse representation dictionary learning reconstruction algorithm
1 中国科学院光电研究院定量遥感信息重点实验室， 北京 100094
2 中国科学院大学， 北京 100094
针对常用的迭代追踪类算法难以保证低采样下光谱重构的成功率与精度的问题，提出了一种在低采样下光谱重构中字典原子选取的优化方法。利用AVIRIS和ROSIS高光谱数据构建光谱稀疏字典并进行压缩感知光谱重构实验，分别从光谱重构精度、稀疏成分提取能力、光谱重构的成功率和光谱识别的准确率等不同角度进行了分析。实验结果表明,本文方法不仅优于传统的匹配追踪算法，同时也优于公认的精度较高的FOCUSS、MSBL等其他类型的算法。
光谱学 光谱重构 压缩感知 稀疏表示 稀疏字典 匹配追踪
