大部分污染气体在红外波段具有明显的发射或吸收特征,被动傅里叶变换红外(FTIR)遥感技术可以对污染气体进行远距离探测和识别。当利用移动平台对污染气体进行遥测时,背景辐射是未知的,且光谱中包含大气等干扰物特征,需要研究相应的背景压缩方法,提取目标光谱特征。研究了基于亮温光谱的红外背景压缩方法,认为背景辐射在亮温光谱上是缓变的基线,并利用中光谱分辨率大气辐射传输模型(MODTRAN)软件包模拟大气干扰物特征,根据最小二乘拟合原理实现红外背景压缩。实验以氨气作为目标气体,以低平天空作为背景。结果表明,本方法能够成功扣除背景辐射和大气干扰特征,提取氨气的光谱特征,并计算了氨气的浓度程长积值。
2022-04-02 15:56:45 2.59MB 遥感 红外 亮温光谱 背景压缩
1
结合低秩矩阵分解的带状噪声模型用于高光谱图像去噪
2022-04-02 11:16:57 1MB 研究论文
1
1、资源内容:iPLS算法的简要介绍已经其与PLS算法的区别介绍 2、使用/学习目标:了解iPLS算法的基本原理 3、特点:快速入门iPLS算法 4、适用人群:想快速理解iPLS算法原理的初学者、需要做相关主题课程汇报的学生
2022-04-01 15:35:28 120KB 数据挖掘 特征提取 光谱提取 iPLS算法
1
高光谱图像分离matlab代码使用微扰线性混合模型进行具有光谱可变性的高光谱解混 描述:与描述的方法相关的 Matlab 代码 P.-A. Thouvenin, N. Dobigeon 和 J.-Y. Tourneret -使用扰动线性混合模型IEEE Trans对光谱可变性进行高光谱解混。 信号处理,卷。 64,没有。 2,第 525-538 页,2016 年 1 月。 作者: P.-A. Thouvenin, pierreantoine[dot]thouvenin[at]gmail[dot]com 实验:要在文章中报告的真实数据上运行具有代表性的实验示例,请配置并运行main.m脚本。 依赖关系:当前代码包括以下出版物中描述的 MATLAB 函数,并由其作者开发。 [1] JM Nascimento 和 JM Bioucas-Dias -顶点分量分析:一种分离高光谱数据的快速算法, IEEE Trans。 地球科学。 遥感,卷。 43,没有。 4,第 898--910 页,2005 年 4 月。 [2] JM Bioucas-Dias 和 MAT Figueiredo -约束稀疏回
2022-03-31 22:59:10 2.3MB 系统开源
1
该应用程序允许打开,绘制,导航和处理ASCII和matlab格式的光谱数据。 数据可以包含一个或多个光谱,但是第一列必须与频率/波长/波数相对应,其余的必须与要分析的光谱相对应。 数据最好没有标题,但是可以使用App中的“导入向导”加载带有标题的数据。 该程序是专门为处理傅立叶变换红外吸收光谱而设计的。 光谱的预处理包括简单的基线校正和数据切割。 后处理包括:傅里叶自反卷积,傅里叶导数(不带相位校正),傅里叶平滑,傅里叶反切趾和傅里叶插值。
2022-03-31 10:46:35 164KB matlab
1
多个遥感高光谱数据集,包括UC Merced Land-Use Data Set,220 Band AVIRIS Hyperspectral Image Data Set等,网盘下载,总大小2.08G
2022-03-30 15:58:15 114B 高光谱 数据集 深度学习 遥感
1
开源的 Matlab Hyperspectral Toolbox 是一个包含各种高光谱开发算法的 matlab 工具箱。 该工具箱旨在成为当前最先进的开发算法的简明存储库,用于学习和研究目的。
2022-03-30 10:21:30 54KB matlab
1
将堆栈自动编码器(SAE)与极限学习机(ELM)联合,建立了深度神经网络预测模型(SAE-ELM)。利用苹果高光谱图像提取出的光谱数据,对深度神经网络的权值和阈值进行了初始化和微调。与传统ELM模型预测结果相比,SAE-ELM的预测集决定系数和残留预测偏差分别从0.7345和1.968提升至0.7703和2.116,预测集方均根误差从1.6297降至1.2837。研究结果表明:深度学习网络SAE-ELM模型的预测性能优于传统的ELM模型,将其用于预测苹果硬度是可行的。
2022-03-30 09:37:35 4.19MB 光谱学 高光谱成 硬度 堆栈自动
1
几种用于可视化的高光谱图像融合方法的比较
2022-03-29 22:31:43 1.37MB 研究论文
1
闻辂主编 重庆大学出版社 1988年出版 可以作为矿物谱学的教材和参考书
2022-03-29 18:37:22 9.08MB 矿物 红外光谱
1