岩石定量遥感是矿产资源探测与地质环境监测的主要手段, 光谱解混是岩矿定量遥感的重要方法。 在实际应用中, 由于卫星对地观测受地形起伏的影响, 观测具有一定的角度, 导致所测发射率光谱产生变异。 但在目前的研究中, 解混所采用的矿物端元光谱, 是在实验室垂直试样表面观测得到的, 忽略了观测角度对发射率光谱的影响, 降低了光谱解混精度。 因此, 有必要将观测角度作为影响岩石光谱解混的因素, 研究其对光谱解混精度的影响。 首先, 将常见的石英、 正长石和斜长石矿物表面制作成一般粗糙度, 并设计0°~77°共9个观测角度实测发射率光谱, 分析观测角度对矿物热红外光谱特征的影响。 其次, 利用观测角度13°~77°的矿物端元, 构建相应角度虚拟岩石光谱, 并用0°的矿物端元光谱解混9个观测角度的岩石光谱, 分析观测角度对岩石热红外光谱解混的影响。 结果表明: (1）在0°~20°范围, 观测角度对光谱影响较弱, 从30°开始, 影响显著。 基本规律是: 随着角度的增加, 光谱吸收深度增加, 但各波段处的情况不尽相同。 CF特征在观测角度大于50°之后向短波方向移动明显; RF特征处的吸收谷在观测角度大于20°之后显著加深, 且谷底位置向短波方向移动; TF特征在观测角度大于40°之后发射率显著降低。 表明观测角度的变化, 会引起光谱特征的明显变化。 (2）在0°~20°范围内, 观测角度对光谱解混影响不明显, 解混误差小于5%; 当观测角度大于20°时, 观测角度对光谱解混有显著影响, 30°~77°解混误差均大于5%, 平均解混误差达到17.2%, 解混精度较低。 这表明, 在基于光谱解混方法进行岩石矿物组分定量反演时, 需要考虑观测角度的影响, 这对于提高反演精度、 准确确定岩石类型具有重要意义。

高光谱技术快速、 无损、 精确探测矿物, 能够清楚的反映矿物化学成分的改变。 石榴子石在热红外波段具有诊断性的三峰式特征。 反射峰波长与化学成分关系密切, 所以可以依据石榴子石在热红外波段的光谱特征开展其亚类分类研究。 钙铬榴石和锰铝榴石反射峰位置易于与其他亚类区分, 而铁铝榴石和镁铝榴石、 钙铁榴石和钙铝榴石的反射峰位置有较大重叠区域, 无法直接判别, 因此亟需一种基于热红外光谱的快速、 准确识别石榴子石亚类的分类方法。 基于热红外光谱库中85个不同类型的石榴子石样本数据获取其3个反射峰位置及波长差值信息, 利用非线性BP神经网络、 聚类分析以及多元线性判别分析3种方法开展石榴子石亚类识别实验, 并运用精确率、 召回率和F1值进行分类精度评价。 结果显示: BP神经网络算法分类的精确率、 召回率和F1值均能达到100%, 铁铝榴石和镁铝榴石、 钙铁榴石和钙铝榴石得到很好地区分; 聚类分析和多元线性判别分析分类的精确率、 召回率和F1值分别为86.1%、 80%和79.2%, 84.2%、 80%和79.5%, 这两种方法对反射峰重叠的铁铝榴石和镁铝榴石、 钙铁榴石和钙铝榴石分类效果不好, 因此BP神经网络更适合石榴子石亚类识别。 本研究利用BP神经网络强大的非线性自动映射能力, 找到了石榴子石热红外谱段反射峰位置与亚类类型之间复杂的映射关系, 证明了BP神经网络方法与热红外光谱特征结合使用的可行性与优越性, 为石榴子石亚类识别提供了快速有效的技术支撑, 同时为其他矿物的快速有效识别提供了良好的技术启示。

基于可见光谱人脸识别技术的效率和精度受光照、姿态、遮挡、表情变化和照片欺诈等因素的影响较大,尤其是夜视环境下的人脸识别难题亟待解决。为此,提出了一种基于热红外光谱的人脸特征提取算法。对热红外人脸图像进行数据建模获取极大化数据模型,估计并调整混合模型参数到高斯混合模型;提取热红外高斯混合人脸图像的等温特征,实现热特征图像的重建;最后通过计算概率邻近指数来度量个体间的相似度,给出识别结果。UCHThermalFace数据库的实验结果表明:该方法应对夜视环境下的多姿态、特征变化、随机遮挡和眼部噪声样本具有较高的识别精度和稳健性,极大地提高了人脸识别系统夜视环境下的抗干扰能力。

干旱区土壤盐渍化已对生态环境构成严重威胁, 通过遥感技术对土壤盐分含量进行定量反演具有重要意义。 通过采集艾比湖流域的农田土壤和盐壳结晶, 在室内配制成不同含盐量梯度（盐分占盐土比重: 0.3%～30%）的土壤样品, 利用102F FTIR光谱仪测量土壤样品的热红外光谱, 并通过普朗克函数拟合得到土壤发射率数据。 土壤发射率光谱曲线特征: 不同含盐量土壤的发射率光谱曲线在形态和变化趋势上基本一致, 发射率随含盐量增加而增大; 盐分因子对Reststrahlen吸收特征有抑制作用, 随着含盐量的增加, Reststrahlen吸收特征会减弱。 通过发射率与含盐量相关性分析: 土壤热红外发射率与盐分含量呈正相关关系, 最大相关系数达到0.899, 对应的波段为9.21 μm; 8.2～10.5 μm是土壤盐分因子的最敏感波段。 通过一元线性回归、 多元逐步回归和偏最小二乘法建模分析比较, 偏最小二乘法效果最佳, 模型预测的R2达到0.958, RMSE为1.911%。 选择ASTER, Landsat8和HJ-1B卫星传感器的热红外波段, 进行发射率光谱模拟, 通过相关性分析: ASTER的B10, B11和B12波段属于热红外光谱对盐分因子的敏感波段, 与土壤含盐量相关性较高, 相关系数分别为0.706, 0.786和0.872。 采用多元线性回归法建立基于ASTER热红外波段的土壤含盐量预测模型, 模型预测的R2为0.833, RMSE为3.895%。 结果表明, 遥感传感器对土壤含盐量的预测能力, 取决于传感器的光谱波段对盐分因子的敏感程度, 通过卫星热红外遥感定量反演土壤含盐量是可行的, 为干旱区土壤盐渍化遥感监测提供了新的途径和参考。

SiO2含量是铁矿石质量控制的主要技术指标, 亦是衡量铁矿石品质好坏的关键指标之一, 对选矿方法、 配矿流程的确定具有重要意义。 传统的SiO2含量测定法虽然准确度高, 但工作量大, 操作繁琐, 花费时间长, 难以快速、 高效确定铁矿石中SiO2含量。 采用红外光谱辐射计Turbo FT对辽宁省鞍钢集团鞍千矿业有限责任公司的“鞍山式”铁矿样品进行热红外光谱测试, 分析了光谱特征, 构建了比值指数(RI)、 差值指数(DI)和归一化指数(NDI), 并确定光谱指数与样品SiO2含量相关性最显著的敏感波段及对应的相关系数值; 优选出与样品SiO2含量相关性最显著的归一化指数(NDI), 构建样品SiO2含量的定量反演模型, 并进行了验证。 结果表明, 三种光谱指数与样品SiO2含量的敏感波段均位于余辉带特征(RF)的左边界8.06与8.2 μm处, 相关系数均达到0.9以上, 其中NDI与样品SiO2含量的相关性最高; 基于NDI构建了实验样品SiO2含量的二次函数反演模型, 预测误差为3.57%。 该方法相对于传统的研磨化验法, 具有工作强度小、 便捷、 快速、 高效、 无污染的优点, 对遥感找矿也具有一定指导意义。

研究表明, 岩石在加载过程中表面的红外辐射随应力发展而变化, 而辐射信息的有效提取与辐射背景存在密切关系。 通过理论分析不同实验环境对岩石受力热红外光谱变化影响, 开展了花岗岩在室内外环境下的受力热红外光谱观测实验, 分析了不同辐射背景下岩石红外辐射与应力的相关性以及由应力引发的辐射变化信息的强弱差异, 并对两种环境下岩石应力热红外探测的优势波段进行了对比分析。 结果表明, 辐射背景对岩石受力热红外光谱探测结果有重要影响, 室外环境因背景辐射较弱, 相同应力作用下的红外辐射变化更加显著, 与应力之间的相关程度更高, 优势波段区间更宽, 更加有利于岩石应力的热红外探测。 8.0~11.8 μm波段是利用热红外遥感监测地表花岗岩应力变化的优势波段。

热辐射是油库火灾事故的主要危害特性之一，而温度场又是其直接表现形式， 因此快速有效地监测温度场信息是迅速掌握灾情动态信息的最佳途径，对提高油库火灾事故 应急监测与快速响应能力、维护人民生命财产安全、保护生态环境以及大幅减少经济损失等具有 重要意义。在国内外地表温度反演方法研究进展的基础上，针对油库火灾爆炸事故 的突发性特征，通过分析环境温度急剧变化、遥感影像及反演参数难以获取等因素， 建立了一种基于热红外光谱和地面传感器数据的油库火灾温度场信息提取模型。通过设计模拟实验， 成功反演了试验场及其周边区域的地表温度情况。结果表明，该模型能够快速有效地反演油库火 灾事故发生区域的温度场信息。

通过对两种花岗岩进行室内常温下单轴压缩加载, 利用热红外光谱辐射计(8～14 μm)对加载过程中试样的热红外光谱辐射进行观测, 研究岩石受力过程热红外光谱变化特征, 揭示其应力敏感波段. 结果表明, 花岗岩辐射亮度(增量)与应力呈线性关系, 矿物组分及结构差异对应力敏感波段有重要影响. 按红外光谱辐射亮度与载荷的相关系数、拟合直线最大变幅-标准偏差比两项指标进行综合分析, 揭示富含钾长石的斑状花岗岩的应力敏感段为8.4～10.6 μm, 中心波长为8.75 μm;富含斜长石的等粒花岗岩的应力敏感波段为8.2～11.7 μm, 中心波长为10.25 μm. 上述波段可分别作为相应花岗岩的应力与灾变红外遥感监测的优势波段.