本次讲述了ASD光谱仪采集到的数据的处理操作的简介

为实现玉米种子含水率(MC)的精确、快速、无损检测, 消除种子放置方式(胚部朝上/下)的影响, 基于高光谱成像和图像处理技术, 结合变量筛选法, 针对玉米种子正反面放置的不同分别建立对应的MC预测模型。分别采集种子正、反两面高光谱图像, 提取质心区域光谱数据, 采用竞争性自适应重加权变量选择算法筛选特征波段, 建立对应的MC预测模型。对比图像不同部位光谱曲线变化趋势, 挑选4个特征波段(1104, 1304, 1454, 1751 nm)进行波段运算获取种子正、反面信息及质心位置。依据正、反面检测结果, 自主选择对应的MC预测模型对45个验证集样本进行含水率检测。结果表明, 使用波段运算正、反面识别率分别为97.8%、100%; 正、反两面验证集相关系数分别为0.969, 0.946, 均方根误差分别为0.464%, 0.616%。该研究为使用多光谱成像技术实现玉米种子MC的快速无损自动化检测奠定基础。

摘要光谱特征波段的选取是植被高光谱分类识别的重要基础之一利用鄱阳湖种典型植被的实测高光谱数据在对数据进行预处理和分析的基础上提出了一种基于均值极差阈值法的光谱特

摘要针对藻类荧光光谱解析中常见的信息冗余和光谱相关性问题，基于偏最小二乘（ＰＬＳ）的方法，提出了区间蒙特卡罗偏最小二乘（）方法，有效地解决了特征波长的选取问题。

光谱匹配Matlab代码重新思考LDA：离散ICA的矩匹配 如果您有兴趣复制我们的实验和/或我们的数据集，请检查repo。 关于 该项目包含用于主题建模的一些矩匹配算法的实现。 简而言之，这些算法基于数据的矩/累积张量的构造，并将它们与各自的理论表达式进行匹配，以学习模型的参数。 该代码由两部分组成。 一部分包含用于构造矩量/累积量张量的有效实现，而另一部分包含用于匹配张量的几种所谓的联合对角化类型算法的实现。 任何张量类型（请参见下文）都可以与对角化算法之一（总共导致6种算法）任意组合。 重点是潜在的狄利克雷分配（LDA）和离散独立成分分析（DICA）模型。 重要的是，后者模型显示出相似性，有时与前者相同。 分别考虑了两种类型的张量：LDA矩和DICA累积量。 LDA矩的理论表达式先前是由Anima Anandkumar，Dean P.Foster，Daniel Hsu，Sham M.Kakade，Yi-Kai Liu在潜在Dirichlet分配的频谱算法中得出的。 Algorithmica 72（1）：193-214（2015）。 DICA累积量的表达式是从我们的论文中得出的（请参

Ocean_Optics光谱采集软件，加入了Ocean_Optics_MayaPro2000、Ocean_Optics_USB2000+、Ocean_Optics_USB4000驱动，安装对应软件后打开FluoSpec.exe即可设置光谱仪积分时间，平均次数，执行观察、缩放光谱、保存光谱文件等功能。

现代仪器分析第四章原子发射光谱.ppt

Matlab 根据光谱数据生成k值、三刺激值、Lab、RGB等数据

这是论文《Gaussian Pyramid Based Multiscale Feature Fusion for Hyperspectral Image Classification, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(9), 3312-3324》的代码，更多详情可在纸上找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载 libsvm-3.20。 libsvm-3.20可从https://www.csie.ntu.edu.tw/~cjlin/libsvm/获得

针对数字可调光源输出能量较低的问题,提出一种改进型Offner凸面光栅光谱辐射定标光源光学系统的设计方法。基于光线追迹原理,理论推导Offner型光谱成像结构狭缝和像散的关系,利用双柱面透镜对Offner型光谱成像系统大狭缝下的残余像散进行补偿。使用所提方法设计了光谱范围为500~800 nm,狭缝长度为0.4 mm的传统Offner光谱成像系统和狭缝长度为8 mm改进型Offner光谱成像系统。结果表明:改进型Offner光谱成像系统具有良好的成像质量,全视场点列图方均根(RMS)半径小于8.1 μm;系统沿Y方向RMS半径小于6.7 μm,在一个像元尺寸内;谱线弯曲为单像元尺寸6.2%、色畸变为单像元尺寸5.8%,消除了谱线重叠和谱线偏移现象。设计方法对提高遥感仪器的光谱辐射定标精度具有一定的研究意义和工程价值。