为了提高二向性反射率分布函数(BRDF)模型参数拟合的效率, 充分了解地物目标的光谱方向特性, 提出了一种基于广义逆矩阵的BRDF模型参数拟合方法。首先分析了地物光谱反射的方向特性, 然后使用成像光谱仪测量不同方向条件下目标的光谱反射率, 将实验条件与先验测量数据代入BRDF模型中, 建立广义逆矩阵等式并拟合出测量目标的模型参数; 利用拟合的目标BRDF模型参数反推任意特定方向条件下的光谱反射率,并与实测数据作对比, 采用光谱角制图法度量其相似度。结果表明, 草地和迷彩雨衣的拟合光谱曲线与实测光谱曲线的相似度很高, 分别达到了0.1307和0.0896, 证实了该参数拟合方法的有效性, 同时也验证了BRDF模型的泛化拟合能力。该方法原理简单、快速有效, 可为其它类型的BRDF模型参数拟合与后续地物目标光谱特性研究提供参考。

针对光纤传像束成像系统采集图像中存在的蜂窝效应伪影，通过分析蜂窝效应伪影产生机理及其相关特性，提出一种能够有效修复蜂窝效应伪影的方法。根据蜂窝效应伪影在图像中的分布特点，使用拆分法将原图拆分成多个子图，减小蜂窝效应伪影在图像中的宽度。然后使用一定大小的滑动窗口修复蜂窝效应伪影，在滑动窗口内，根据设计的自适应阈值机制，筛选出位于蜂窝效应伪影区域的像元，并计算该像元与窗口内像素值最大像元的像素值差值及欧氏距离，进而得到自适应补偿系数修复该像元，以滑动窗口遍历子图像完成对子图的全局修复。最后利用修复后的各子图完成重构，恢复成原始图像的尺寸。实验结果表明，与多种蜂窝效应伪影修复算法相比，所提方法在客观评价指标上有更好的表现，能更好地修复图像中的蜂窝效应伪影。

针对交联聚乙烯（XLPE）电缆接头反应力锥参数测量问题，本文结合XLPE电缆接头结构特征与三维点云处理提出了一种XLPE电缆接头反应力锥参数测量算法。该算法先对点云进行去噪及坐标摆正预处理；之后根据XLPE电缆接头的结构特征，得到反应力锥及其相邻区域的目标点云；然后使用依据目标点云中各点与坐标轴的夹角信息及高度信息提出的点云空间划分方法，实现对目标点云的条状划分及块元划分；接着根据条状点云上块元法向量的轴线夹角及改进的凹凸性准则求得各条状点云不同区域的局部点云；在此基础上，使用随机采样一致性（RANSAC）算法及拉格朗日乘数法求取相邻区域拟合平面的相交线，再根据条状点云上各点到相交线的距离，得到初步测量结果；最后，基于残差估计对初步测量结果进行误差校正，得到最终的测量结果。使用尺寸标准及表面具有缺陷的两类电缆接头点云进行测量实验，测量结果的绝对误差分别小于0.2 mm与1.0 mm，相对误差分别小于0.5%与1.5%，说明所提算法具有较高的鲁棒性与测量精度。

针对γ辐射环境下COMS图像传感器所获场景图像中存在斑块噪声的问题，提出了一种基于视频时序相关特性的γ辐射场景图像噪声去除方法。首先根据γ辐射场景视频时序相关特性中的背景相关特性与前景噪斑的瞬态特性，使用帧差法与统计分析法从视频序列图像的残差中得到γ辐射场景图像中亮、暗噪斑的位置分布。然后通过依据CMOS图像传感器承受的累计辐照剂量所设计的帧数判断模型，得到对当前帧图像实现有效修复所需的临近帧图像，再结合亮、暗噪斑的位置分布及噪斑的瞬态特性，根据设计的自适应阈值机制，获得临近帧图像与当前帧图像噪斑位置相同且未受辐射干扰的有效像素值集合，并使用该集合像素值的均值对噪声像素进行恢复。最后采用拉普拉斯锐化滤波器对图像进行后处理以进一步提高图像质量。实验结果表明，所提方法与多种去噪方法相比具有更高的峰值信噪比、结构相似性与主观感知满意度，表明其去噪效率高、细节保留丰富。

提出一种基于自外差探测技术的相干光载射频信号传输系统，可以借助自外差探测技术实现光学上变频。在该系统中，4个低频信号被上变频为高频毫米波信号，且在远端射频单元无需进行任何数字信号处理(DSP)。分析了对称边带串扰产生的原因并提出了在发射端消除边带串扰的方法。实验验证了通过在发射端使用4路独立、载频为10 GHz、带宽为1.6 GBaud的16-QAM射频信号和一个载频为20 GHz的单音信号，可以在接收端产生4路独立、载频为30 GHz、带宽为1.6 GBaud的16-QAM毫米波信号。在接收端不使用任何数字补偿算法的情况下，这4路毫米波信号经过50 km标准单模光纤传输后的误差矢量幅度(EVM)值均低于12.5%的阈值，复合速率达到25.6 Gbit/s。此外，发射端的数模转换采样率可以降至24 GSa/s，有效降低了系统的成本和复杂度。

叶绿素含量是植物生长中的重要参数, 与农作物产量密切相关。 无人机遥感技术作为一种新的数据获取手段, 在农业中已得到广泛应用。 以玉米为目标作物, 将具有不同光谱响应函数的两种轻小型多光谱传感器(MCA和Sequoia), 同时搭载在六旋翼无人机上, 获取不同氮肥水平下大田玉米花期的多光谱影像。 利用无人机影像空间分辨率高的特点, 在小区尺度上, 分别计算了基于两种多光谱传感器的各26种植被指数, 并将其与地面实测的叶绿素含量(SPAD)值进行回归分析, 研究不同波段反射率对SPAD值的敏感性, 利用不同多光谱传感器及植被指数预测SPAD值的精度及稳定性。 结果表明, 对于具有较宽波段的Sequoia, 在550 nm(绿波段)、 735 nm(红边波段)的反射率对SPAD值的变化较敏感, 其中, 550 nm与SPAD值的相关系数最大(R2=0.802 9)。 而对于较窄波段的MCA, 720 nm(红边波段)的反射率与SPAD值具有较高的相关性(R2=0.724 8), 550 nm(绿波段)次之。 此外, 由于两传感器红波段的中心波长和波段宽度不同, 660 nm(Sequoia)反射率与SPAD值的相关系数为0.778 6, 而680 nm(MCA)反射率与SPAD值的相关性较小, 仅为0.488 6。 利用无人机多光谱遥感技术预测大田玉米的SPAD值精度较高, 但对于不同的多光谱传感器而言, 同一植被指数却表现出较大的差异, 其中, 红波段和近红外波段组合构造的植被指数RVI, NDVI, PVI和MSR差异较大, 具有较宽波段的Sequoia传感器优于窄波段的MCA; 此外, 对于Sequoia相机, GNDVI与RENDVI预测SPAD值的精度较高, RMSE分别为3.699和3.691; 对于MCA相机, RENDVI预测精度最高(RMSE=3.742), GNDVI预测精度低于RENDVI(RMSE=3.912); 两传感器中MCARI/OSAVI预测SPAD值精度均较低, RMSE分别为7.389(Sequoia)和7.361(MCA)。 在所有的植被指数中, 利用绿波段和近红外波构造的植被指数(G类), 以及用红边波段和近红外波段构造的植被指数(RE类), 预测SPAD值精度更高, 均高于红外和近红外波段构造的植被指数; 利用更多波段(三个及以上)组合构造的复杂植被指数, 并不能显著提高预测精度。 就预测模型而言, MCARI1更适用于对数模型, 可有效提高预测精度, 而其他植被指数变化不显著。 研究还发现, 在小区水平SPAD值的预测方面, 除NDVI和TVI, Sequoia相机对于不同氮肥条件下植被覆盖度、 阴影和裸露土壤等环境背景因素具有较强的抗干扰能力; 而对于MCA相机来说, TVI, DVI, MSAVI2, RDVI和MSAVI对环境背景因素非常敏感, 预测SPAD精度低; 此外, 去除环境背景因素并不总是能够提高SPAD值的预测精度。 本研究对于利用无人机多光谱遥感技术进行高精度的叶绿素含量预测具有指导意义, 对于精准农业的推广和应用具有一定的借鉴价值。

通过OH自由基A2Σ+→X2Πr电子带系分子发射光谱测温法, 实现了对氩气、 氮气、 空气三种大气压微波等离子体气体温度的测量。 探究了不同微波功率、 不同气体流量下气体温度的变化规律, 测量了氮气、 空气微波等离子体羽流的轴向温度分布。 实验结果表明, 不同工作条件下微波等离子体核心温度普遍超过2 000 K, 空气微波等离子体可超过6 000 K; 同样工作条件下三种微波等离子体气体温度满足: ＴAr分子发射光谱法 微波等离子体 OH自由基 气体温度 Molecular emission spectrometry Microwave plasma OH radical Gas temperature 

PDF全文 Full Text

光谱学与光谱分析

2018, 38(2): 627