设计应用了最先进的ＡＲＭ嵌入式技术，利用ＡＲＭ丰富的内部设备，实现了光谱数据的传输和基于触摸屏的人机交互平台。实现近红外光谱仪器操作简单化，体现了ＡＲＭ微处理器的优胜之处。 　　１．　引言 　　近红外光谱主要是由分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，记录的主要是含氢基团Ｃ－Ｈ、Ｏ－Ｈ、Ｎ－Ｈ等振动的倍频和合频吸收［１］，具有丰富的物质结构和组成信息，非常适合用于碳氢有机物质的组成性质测量。近红外光谱作为迅速崛起的光谱分析技术在分析测试领域中起的作用越来越引起人们关注，由于样品在分析时基本不需要处理，且不破坏和消耗样品，自身又无环境污染，近红外光谱分析技术堪称是绿色分析仪器

高光谱遥感影像SVM分类中训练样本选择的研究，王晓玲，杜培军，支持向量机（SVM）分类的关键是发现分类最优超平面及类别间隔，而混合像元比纯净像元更接近类别边界，更容易找出最优超平面。针对

该文档描述了一种基于支持向量数据描述的高光谱图像的混合相元分解技术，详述了计算步骤，给出了一定结果。

高光谱遥感数据蕴含着丰富的地物反射光谱信息,其原始反射数据中含有大量的噪声,这些噪声严重影响地物反射光谱中的吸收特征,大大降低数据的分析精度,研究有效的高光谱遥感数据噪声滤波算法是改善高光谱数据分析效果的关键环节。研究了推扫高光谱图像(PHI)影像中条带噪声的高频特性,针对目前常用的矩匹配方法及几种改进的矩匹配方法都存在一定的缺点,提出一种改进的行平滑条带滤波方案,对含有条带噪声波段行均值曲线进行平滑处理,并调整图像中各像元的灰度值,以减小行间灰度差异,所得图像的峰值信噪比有所提高,取得了比按波段的矩匹配方法更好的去条带效果,在较好地削弱图像中条带噪声的同时,保留了原图像的辐射特征。

为进一步抑制遥感图像的非均匀噪声,首先分析了空间遥感高光谱图像条带噪声产生的原因及噪声模型,进而提出一种基于窗口阈值判决的改进矩匹配算法。选取相对平坦,且条带噪声与背景对比较明显的区域进行阈值估算,并选取参考均值、标准差和条带阈值判决对条带噪声进行矩匹配处理。实验结果表明,所提算法的峰值信噪比相对传统方法至少提高了6.2163 dB,均方误差最小降低了5.9630,结构相似度至少提高了0.254。与传统方法相比,采用所提方法处理后的图像变异逆系数有所提高,图像横向梯度与标准差有所降低,该方法还去除了图像中的条带噪声,保留了原始图像的细节信息。

高光谱图像分类：在Matlab中使用朴素贝叶斯，最小Eucleidian距离和KNN进行高光谱图像分类

GSTools v0.4.3 该工具箱是在 matlab 中打开和保存 SPC-spectra 的实现。 还提供了其他例程：例如： - GSImportspec：加载地图中的所有 SPC 文件- GSDendrogram：这是对 matlab 工具箱函数 Dendrogram 的补充。 GSDendrogram 允许用户在树状图下放置带有样本名称的彩色标签。 正确添加。 - BTree 类：一个二叉树实现，它使用户可以轻松检查列表中的不同项目，以及这些不同项目的位置。 这种组合方法可以轻松处理数值数组和字符串列表，例如光谱描述。 zip-archive 中提供了一个包含有关使用的详细信息（包括一些示例代码）的 PDF。 GSTools 也包含在 Biodata 工具箱中 (doi: 10.1016/j.chemolab.2008.08.003)。

介绍了二维相关光谱的原理，并给出了常用的方法及应用领域。

基于偏最小二乘法回归的土壤有机质含量高光谱估算，不错的一篇文章

此功能扩展了在单次运行中计算光谱数据集（多光谱）导数的能力。