1 国家林业和草原局桉树研究开发中心遗传育种研究室, 广东 湛江 524022
3 湛江科技学院经济与金融学院, 广东 湛江 524094
4 广西国有东门林场, 广西 崇左 532199
摸清粗皮桉(Eucalyptus pellita)群体的遗传亲缘关系, 对研究桉树杂交育种理论, 开发优良新品种具有非常重要的意义。 研究意在通过对比粗皮桉种源遗传差异与其光谱差异间的关系, 探索近红外光谱(NIRs)技术用于粗皮桉遗传亲缘关系分析的可行性。 以粗皮桉天然种源材料为对象, 每个种源采集8~12个家系叶样。 通过全基因组重测序, 基于核苷酸序列差异计算种源间的遗传距离。 同时, 每个家系选择4~6片健康叶片烘至绝干后, 将其粉碎装于透明自封口塑料袋。 用手持式近红外仪Phazir Rx (1624)采集样品的NIRs信息。 以簇类独立软模式(SIMCA)判别分析统计对比种源到目标种源的光谱距离, 并基于NIRs欧氏距离对种源进行层级聚类。 以NIRs的PCA因子得分图分析种源间的遗传亲缘关系及其遗传变异。 结果显示, 粗皮桉新几内亚岛种源间的平均遗传距离为0.186, 昆士兰州种源间的平均为0.157, 新几内亚岛种源与昆士兰州种源间的平均遗传距离为0.295, 明显大于区域内种源间的遗传距离。 粗皮桉2大区域种源间的NIRs光谱距离与其种源间遗传距离基本呈正相关关系。 基于NIRs的层级聚类在一定程度上印证了种源遗传距离、 光谱距离的大小关系, 但与其地理距离非完全对应, 说明基因交流对粗皮桉群体的遗传亲缘关系有较大的影响。 PCA聚类显示, 遗传或光谱距离大的种源样本因子得分图存在严重重叠, 而遗传或光谱距离小的种源样本因子得分反而会清晰聚类, 这表明NIRs信息区分异质样本的敏感性, 同时也反映了粗皮桉种源内家系间遗传变异的大小。 研究结果表明, NIRs技术能够真实反映粗皮桉种源间的遗传差异, 可用于桉树群体遗传亲缘关系及群体内的遗传变异分析, 可辅助桉树群体的世代改良研究。
遗传距离 光谱距离 层级聚类 簇类独立软模式(SIMCA) Genetic distance Spectral distance Hierarchical clustering Soft independent modeling of class analogy (SIMCA) 光谱学与光谱分析
2021, 41(11): 3399
1 上海航天控制技术研究所, 上海 201109
2 中国航天科技集团有限公司红外探测技术研发中心, 上海 201109
3 浙大宁波理工学院, 浙江 宁波 315100
针对红外精确制导中抗干扰的问题, 开展基于光谱角和光谱距离等特征参量的目标光谱识别技术仿真和实验研究。在目标、 干扰均为灰体辐射的前提条件下, 对目标和干扰在不同发射率模型、不同辐射温度下的红外光谱辐射分布进行理论建模, 定量分析了目标和干扰的光谱角和光谱距离特征参量与其温度、发射率的关系, 数值表征了目标和干扰的光谱差异。 为验证上述光谱区分方法的有效性, 实验采集并分析了目标和干扰的光谱数据。研究结果表明光谱角和光谱距离能够 将两者进行有效的区分, 为复杂背景下目标识别提供理论和实验基础。
光谱角 光谱距离 光谱识别 spectral angle spectral distance spetacral discrimination 大气与环境光学学报
2020, 15(5): 393
火箭军工程大学信息工程系， 陕西 西安 710025
针对传统的基于特征提取的高光谱图像分类算法大多只考虑光谱信息而忽略空间信息的问题，提出了一种基于空谱半监督局部判别分析(S3ELD)和空谱最近邻 (SSNN) 分类器的高光谱图像分类算法。该算法结合高光谱图像的空间一致性，在利用标记样本的判别信息保持数据集可分性的基础上，定义空间近邻像元散度矩阵来保存像元的空间近邻结构，提出基于空谱距离的相似性度量并将其应用于局部流形结构的发现和SSNN的构建。S3ELD算法不仅能揭示数据集的局部几何关系，而且增强了光谱域同类像元和空间域近邻像元在低维嵌入空间的聚集性。结合SSNN进行分类，进一步提升了分类精度。利用PaviaU和Salinas数据集进行的实验结果表明，S3ELD算法的总体分类精度分别达到了92.51%和96.29%；与现有几种算法相比，该算法能更有效地提取出判别特征信息，并达到更高的分类精度。
遥感 高光谱图像分类 半监督局部判别分析 空谱距离 空间近邻
重庆大学 光电技术与系统教育部重点实验室, 重庆 400044
提出了一种基于加权空-谱距离(WSSD)的相似性度量方法, 并将其应用到最近邻分类器(KNN)中, 导出了一种新的高光谱图像分类算法。 该算法利用高光谱图像的物理特性, 通过引入空间窗口和光谱因子这两个参数来挖掘出图像中的空间信息与光谱信息, 利用空间近邻点对中心像元进行重构。在最大限度减少图像冗余信息的基础上, 增大了同类像元间的相似性以及异类像元间的差异性, 获得了更为有效的鉴别特征, 从而更好地实现了数据间的相似性度量。基于Indian Pines和PaviaU高光谱数据集进行了实验, 结果表明: 将提出的WSSD-KNN算法应用于高光谱图像分类时, 其分类精度高于其他算法, 总体分类精度分别达到了91.72%和96.56%。由于算法较好地融合了图像中的空间-光谱信息, 提取出了更为有效的鉴别特征, 故不仅有效地改善了高光谱数据的地物分类精度, 而且可在训练样本较少时, 保持较高的识别率。
高光谱图像 图像分类 空间近邻 加权空-谱距离 最近邻分类器 hyperspectral image image classification spatial neighbor weighted spatial-spectral distance K Nearest Neighbor(KNN)
利用一种宽波段伪装网和超光谱成像仪进行了光谱成像伪装干扰试验, 基于实施干扰前后光谱图像数据光谱特性的变化, 利用光谱相似性度量指标, 提出了一种用于评估光谱成像干扰效果的光谱距离准则, 结合光谱成像伪装干扰试验结果, 对该准则的适用性进行了验证分析.结果表明, 在试验条件下, 有效伪装区光谱图像像元在伪装前后光谱向量之间的光谱距离可达0.14~0.5, 具体幅值大小因伪装前的目标特性、伪装网层数、超光谱成像仪增益等因素而异, 而非伪装区和无效伪装区光谱图像像元的光谱距离都在0.05以下, 可见在对目标实施有效的伪装干扰前后, 伪装区像元的光谱距离通常会显著大于非伪装区, 而且伪装效果越显著, 光谱距离就越大.因此, 光谱距离可以定量反映干扰对像元光谱特性的影响, 并能鉴别不同干扰效果之间的细微差别, 所以可用于定量、客观评估光谱成像干扰效果.
光谱成像 干扰效果评估 光谱相似性 光谱距离 伪装 Spectral imaging Evaluation of jamming effect Spectral similarity Spectral distance Camouflage 光子学报
2015, 44(12): 1211001
哈尔滨工程大学 信息与通信工程学院,哈尔滨 150001
为了解决传统N-FINDR算法计算量大,提取结果对噪声和初始端元选取敏感,且容易将异常点作为端元而造成误提取的问题,提出一种改进的快速N-FINDR端元提取算法.该方法通过光谱距离提取并去除高光谱图像中的冗余信息,减少N-FINDR提取端元的搜索范围,平滑噪声影响,并自适应剔除异常点,通过最大化光谱距离选取N-FINDR的初始端元,避免了随机选择的盲目性.采用合成数据和真实高光谱数据进行仿真分析并与现有算法进行对比,结果表明,本文算法能在噪声与奇异点干扰下正确提取端元,其提取效率和鲁棒性均优于现有算法.
遥感 端元提取 高光谱图像 光谱距离 快速算法 抗噪声 Remote sensing Endmember extraction N-FINDR N-FINDR Hyperspectral image Fast algorithm Spectral distance measure Anti-noise 光子学报
2015, 44(10): 1011002
