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。

摘要针对超短脉冲激光与气体相互作用产生的非线性荧光光谱的特点，提出了光谱分析的预处理、特征提取以及定量分析的有效方法。采用小波算法对光谱数据进行压缩和降噪处理，

这是论文“Density Peak Clustering-based Noisy Label Detection for Hyperspectral Image Classification, IEEE Transactions on Geoscience and Remote Sensing, 2018, (Accepted)”的代码，更多细节可以在论文中找到。 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-3.22。 libsvm-3.22 可在https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 获得

包含训练代码、预测代码、数据划分代码、网络代码等，采用pytorch框架所写。 代码中包含3D卷积神经网络和支持向量机（SVM）、随机森林（RF）、K最邻近（KNN）这三个机器学习算法。可以随意组合为3DCNN-SVM、3DCNN-RF、3DCNN-KNN。代码清晰，便于理解。也可单独训练3DCNN或者机器学习。

内有完整准确的matlab程序文件2个，一个mat演示数据文件。2个matlab的程序文件分别是原作者程序和我本人修改后使用的程序，均能直接调用函数使用。

提出了使用改进的伪逆方法从CIE三刺激值恢复光谱反射率的过程。 与以前的光谱恢复方法不同，此方法使用基于颜色特征匹配的新样本选择标准来选择一系列合适的样本，以创建自适应的变换矩阵来重建光谱反射率。 考虑到计算时间和准确性，通过预先划分光谱反射率来创建动态子组，并通过动态子组中的样本与目标样本之间的样本相似性/不相似性来创建自适应子集。 因此，代替仅将一个变换矩阵应用于重构过程，而是使用颜色特征匹配从自适应子集获得了一系列自适应变换矩阵。 这项研究应用了三个不同的光谱反射率数据集和三个不同的误差度量。 根据所考虑的所有误差度量，该方法非常准确，并且优于伪逆方法和加权伪逆方法，它们在重构光谱反射率方面是有效的。

通过SVM和超像素分割进行光谱空间高光谱图像分类