林木健康分析工具 创建整个森林区域健康程度的空间分布图 用于检测病虫害以及枯萎病的发生情况，也可以用于评估某地区的木材收获量 绿度：表面绿色植被的分布； 叶绿素：标识类胡萝卜素以及花青素的含量； 冠层水分含量：标识水分含量； 光使用效率：标识森林生长率；

基于无信息变量消除法的啤酒总酸短波近红外光谱测量波段的选择，冯旭东，苏蕊，采用无信息变量消除法（UVE）对啤酒总酸的短波近红外光谱测量波段进行优选，在500.0 ~ 1100.0 nm的波长范围内筛选出3段光谱区域（981.0 ~ 9

针对光谱反射率重建常用方法中主成分分析法重建后产生病态的问题，提出一种基于降维正则化多项式的光谱反射率重建方法;利用主成分分析法对训练样本的高维光谱数据进行降维，在降维的基础上对样本的通道响应数进行多项式回归扩展来提高光谱反射率重建的精度，同时加入Tikhonov限制条件来避免多项式扩展导致的数据不稳定性和随机噪声产生的病态问题。结果表明：降维正则化多项式光谱反射率重建方法在精度评价中的效果优于主成分分析法和多项式回归扩展法，同时实现了降低光谱数据计算量、优化通道响应、提高反射率重建精度的目的。

980nm半导体激光器输出光谱特性的改善研究与仿真模拟 -毕业设计

为解决高光谱数据维度高、波段之间相关性强、获取大量监督信息费时费力的问题，对高光谱图像的分类进行研究。半监督分类方法是基于传统的机器学习的一种分类方法，它可以利用少量带标签的监督信息和大量无监督信息解决获取大量监督信息问题。将分类精度高、分类时间长的孪生支持向量机分类方法与迭代速度快、收敛速度快的的

Xingguo Pan 2002 年题为“Coherent Rayleigh-Brillouin Scattering”的论文中提供的 FORTRAN 代码已转换为 .m 并在此处提供。 提供了 s6 和 s7 模型。 代码已验证

应用ENVI 进行高光谱波谱分析和地物识别

图像处理分析 对于HJ-1小卫星高光谱图像的处理方法

稀疏多元逻辑回归（SMLR）是高光谱监督分类中的重要方法,然而仅仅利用光谱信息的SMLR忽略了影像本身的空间特征,在少量监督样本下的分类精度和算法的鲁棒性仍明显不足;虽然通过引入核技巧,核稀疏多元逻辑回归（KSMLR）可以部分克服上述缺点,其分类错误仍然有待进一步降低.本文基于核稀疏多元逻辑回归分类误差的统计建模分析,提出一种联合核稀疏多元逻辑回归和正则化错误剔除的高光谱图像分类模型.提出的模型通过引入隐概率场,采取L1范数度量KSMLR分类误差的重尾特性建立数据保真项;利用全变差（Total Variation,TV）正则化度量隐概率场的局部空间光滑性.由Indian Pines和University of Pavia数据集等实测数据应用表明,该方法可以得到更鲁棒和更高的分类精度.

最近的基于低秩的矩阵/张量恢复方法已经在多光谱图像（MSI）去噪中得到了广泛的探索。 但是，这些方法忽略了固有结构相关性沿空间稀疏性，光谱相关性和非局部自相似性模式的差异。 在本文中，我们通过对矩阵和张量情况下的秩属性进行详细分析，进一步找出非局部自相似性是关键因素，而其他人的低秩假设可能不成立。 这促使我们设计一个简单而有效的单向低秩张量恢复模型，该模型能够如实地捕获固有的结构相关性，并减少计算负担。 然而，由于重叠的补丁/立方体的聚集，低等级模型遭受了振铃伪影。 虽然以前的方法诉诸于空间信息，但我们通过利用MSI中的专有频谱信息来解决此问题，从而提供了一个新的视角。 引入基于分析的超拉普拉斯先验模型对全局频谱结构进行建模，以间接减轻空间域中的振铃伪影。 与现有方法相比，该方法的优点是多方面的：更合理的结构相关可表示性，更少的处理时间以及重叠区域中更少的伪影。 所提出的方法在多个基准上得到了广泛评估，并且明显优于最新的MSI去噪方法。