MATLAB 是一种软件环境和编程语言,用于配置和控制光谱仪等仪器、过滤信号、进行测量、分析数据和构建测试系统。 MATLAB 通过仪器控制工具箱支持海洋光学光谱仪。 此 MATLAB 仪器驱动程序需要安装 Ocean Optics OmniDriver。 这是一个基本的 MATLAB 仪器驱动程序,并不特定于任何特定的光谱仪模型。 预计适用于 OmniDriver 支持的所有海洋光学光谱仪型号。 但是,此驱动程序尚未在所有海洋光学光谱仪上进行测试。 我们将不胜感激对此仪器驱动程序的反馈。 请使用此页面上的提交评论功能提供反馈。 请包括您与此驱动程序一起使用的仪器型号。 有关 MATLAB 仪器驱动程序的更多信息,请访问仪器控制工具箱产品页面: http : //www.mathworks.com/products/instrument
2021-10-21 10:58:24 50KB matlab
1
高光谱图像分离matlab代码考虑光谱可变性的多时相高光谱图像的在线解混 描述:与描述的方法相关的 Matlab 代码 P.-A. Thouvenin, N. Dobigeon 和 J.-Y. Tourneret -考虑光谱可变性的多时相高光谱图像的在线解混, IEEE Trans。 图像处理,卷。 25,没有。 9,第 3979-3990 页,2016 年 9 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 -约束稀疏回归的
2021-10-20 20:31:12 72.01MB 系统开源
1
针对当前近红外成像光谱系统研发成本高、结构复杂、便携性差等问题,提出了基于3D打印的近红外光谱成像系统前端设计。通过3D打印技术设计系统前端发射器、接收器和采集头套,并与近红外光谱成像系统结合,设计出尺寸小、硬度强、易扩展的前端采集设备。利用高灵敏度的OPT101、ADS1299和GS1011完成信号采集与传输,通过3D打印可实现精度高、无线传输、可实时检测脑部血氧浓度的近红外光谱成像系统。
2021-10-20 11:51:49 406KB 3D打印
1
基于高光谱影像数据的特点,分析了高光谱数据的降维方法。着重探讨了波段选择的若干算法:熵及联合熵、最佳指数因子、自动子空间划分、自适应波段选择、波段指数和最优波段指数等算法。分析了各种算法的有效性、局限性和计算复杂度,并针对波段指数的不足,设计了最优波段指数(OBI)波段选择新算法。最后通过具体的试验,验证了各种算法的性能。
1
多光谱遥感影像特征提取是保证图像分类结果精度的关键,文中介绍了多光谱遥感影像特征提取的两种主要方法。通过实验证明:KPCA较PCA具有更好的数据压缩和降维效果,影像特征提取效果优势明显。
2021-10-19 16:35:58 1.6MB PCA KPCA 特征提取
1
Deep Feature Extraction and Classification of Hyp全文翻译(带公式)
2021-10-18 17:02:23 4.91MB 高光谱 卷积神经网络
1
基于三维卷积自动编码器的高光谱分类无监督空间光谱特征学习 通过,,,张治,,。 拟议框架 介绍 与传统的手工特征提取算法相比,使用深度神经网络(DNN)的特征学习技术表现出卓越的性能。 但是,DNN通常需要大量的训练样本来学习有效的特征,而在高光谱图像中很难获得有效的特征。 因此,在本文中,提出了一种使用三维卷积自动编码器(3D-CAE)的无监督空间光谱特征学习策略。 提出的3D-CAE仅包含3D或元素操作,例如3D卷积,3D池化和3D批处理归一化,以最大程度地探索空间光谱结构信息以进行特征提取。 还设计了一个配套的3D卷积解码器网络来重建输入模式,通过该模式,可以训练网络中涉及的所有参数而无需标记训练样本。 在多个基准高光谱数据集上的实验结果表明,我们提出的3D-CAE在提取空间光谱特征方面非常有效,不仅在传统的非监督特征提取算法方面表现出色,而且在分类应用中也优于许多监督特征提取算
2021-10-18 16:31:36 6.09MB Python
1
提出了一种绿茶成分分析和种类鉴别的新方法。利用FS920荧光光谱仪测量得到国内生产的26个绿茶样品的三维荧光光谱矩阵(EEMs),建立了不同种类绿茶在特定范围内(激发波长为300~550 nm,发射波长为310~750 nm)的三维荧光光谱图和等高线光谱图。采用平行因子分析法(PARAFAC)计算得到绿茶的3因子激发-发射光谱轮廓图和样品因子投影得分图。通过因子光谱特征分析确定绿茶的三种主要成分(茶多酚、黄酮醇及叶绿素); 通过三维荧光光谱图和等高线光谱图的图谱特征和样品因子投影得分图的分析,证实三维荧光光谱技术和平行因子分析法对绿茶进行成分分析和种类鉴别,是一种高效、精确的方法。
2021-10-18 15:26:24 1.93MB 光谱学 三维荧光 平行因子
1
光谱仪器的原理,很不错的入门书籍.对于光谱行业的程序员的学习非常有帮助
2021-10-18 10:28:47 7.29MB 光谱仪器原理
1
医用内窥镜多光谱成像技术研究.pdf
2021-10-15 09:01:43 18.83MB 医疗图像处理
1