为滤除大量冗余背景信息, 提升目标检测速度, 解决目标光谱获取困难等问题, 提出一种融合光谱微分重排与光谱角匹配的高光谱快速目标检测算法。首先, 对已知背景光谱信息微分重排, 筛选出背景特征较少的谱段集; 然后, 计算相应谱段下, 高光谱图像各像素点的光谱微分值与背景光谱微分值的差值, 并对所得各谱段微分差值加权求和阈值化, 粗提取出目标位置; 最后, 计算提取出的目标位置光谱与先验背景光谱角匹配的反余弦值, 实现目标背景差异精细判别。通过自行拍摄的草地上黄、绿伪装网及AVIRIS获取的San Diego机场飞机高光谱图像进行实验, 与RX、CEM、OSP、ACE、SAM等算法比较。实验结果表明, 所提算法在保证检测精度的同时, 具有较低的虚警率和较好的时效性: ROC曲线下面积AUC均高于0.98, 虚警率分别为3%和1.6%, 处理时间仅为0.36 s和0.077 s。

旨在获取刚竹毒蛾危害下的毛竹叶片光谱特征波长, 以助于该虫害的有效、 准确识别。 将于福建省顺昌县实测的105条高光谱数据随机划分为实验组(71条)和验证组(34条)。 基于实验组数据, 利用单因素方差分析获取健康、 轻度危害、 中度危害、 重度危害等虫害等级间具有极显著差异的波长; 结合常用遥感卫星的波段设置对上述波长进行筛选, 采用欧式距离、 相关系数及光谱角匹配等3种方法判定其虫害判别能力, 获取特征波长, 并引入验证组样本对其予以验证。 结果表明: (1)受害叶片的光谱反射率明显低于健康叶片, 虫害等级越高, 其反射率越低; (2)受害叶片的光谱特征变化较大, 随着虫害等级的上升, 其光谱曲线中的“绿峰”及“红谷”趋于消失, “红边”斜率逐渐减小; (3)确定原始光谱703.43~898.56 nm及一阶微分光谱497.68~540.72, 554.53~585.25和596.24~618.23 nm为刚竹毒蛾危害下的毛竹叶片光谱特征波长, 其对该虫害具有较强的判别能力。 该研究从叶片尺度剖析了寄主对刚竹毒蛾的响应机理, 是“地-天”耦合的理论基础, 可为虫害遥感监测技术体系的建立提供重要依据。

重金属铜离子(Cu2+)与铅离子(Pb2+)污染对玉米叶片光谱的影响微弱、 隐蔽而难于探测。 研究中设置不同浓度Cu2+, Pb2+胁迫的玉米盆栽实验, 测定了玉米叶片光谱、 叶片中Cu2+, Pb2+含量与叶绿素相对含量, 分析了Cu2+, Pb2+污染胁迫下玉米叶片光谱响应特征, 并选取480～670与670～750 nm范围来进行分析, 在光谱维中定义了光谱微分差信息熵指数与在频率域中通过谐波分析提取了前三次谐波振幅(c1, c2与c3)指数, 并用所定义的指数探测分别受Cu2+, Pb2+胁迫玉米叶片光谱微弱差异。 实验结果表明, 在480～670与670～750 nm范围内, 玉米叶片中重金属离子浓度越大, 其光谱微分差信息熵就越大; 在480～670 nm波段, 谐波分解后第一谐波振幅c1与第二谐波振幅c2可用于识别Cu2+, Pb2+污染程度; 在670～750 nm波段, 第一谐波振幅c1、 第二谐波振幅c2与第三谐波振幅c3可用于识别Cu2+污染程度, 而c2则可以识别Pb2+污染程度, 污染胁迫越大振幅越大。 在480～670与670～750 nm波段内, 光谱微分差信息熵与前三次谐波振幅可作为识别玉米受Cu2+, Pb2+污染胁迫程度的指数, 从光谱维与频率域两种维度来识别玉米受Cu2+, Pb2+胁迫程度的方法可行, 文中定义的两类指数可稳健、 可靠地探测与识别玉米受Cu2+, Pb2+影响所产生的光谱微弱差异, 研究结果对利用高光谱来探测植被受重金属污染胁迫程度具有一定的参考价值。

高光谱遥感技术的出现将为解决森林树种的精细识别难题提供有效的途径。 利用高光谱遥感技术进行树种鉴别时, 光谱特征的选择及提取是个非常重要的过程。 与多光谱数据相比, 高光谱数据具有波段多、 数据量大、 冗余度大等特点。 该文利用光谱微分法对原始光谱数据进行处理, 分析不同树种原始光谱、 光谱一阶微分和光谱二阶微分曲线图, 从中选择差异较大的波段用于鉴别不同树种。 最后利用欧氏距离对所选择的波段进行检验识别不同树种的效果, 检验的结果显示选择的波段能有效地区分不同树种。 区分不同树种的有效波段大都位于近红外波段, 并且差异最大的波段也是近红外波段, 其分别为1 657～1 666和1 868～1 877 nm。Characteristic Analysis