气溶胶光学厚度(Aerial Optical Depth,AOD)是重要的大气参数,也是大气校正中不可缺少的变量。文中通过两种AOD反演算法的实施和比较,探讨了利用高光谱进行AOD反演的可行性和算法的适用性。通过两种方法,对四幅影像进行了气溶胶的反演,并以地基观测数据进行了对比验证。结果显示改进的V5.2算法在非浓密植被区域的精度较高,而在浓密植被区域与DDV算法精度相当,由于两种算法均依赖于波段固定的线性关系,使得两种算法在气溶胶的反演中均有误差。

San Diego高光谱数据，用于高光谱目标检测，.mat文件适用于matlab编辑，附带ground truth，其中gt为100*100像素，San Diego图像为400*400像素，gt图像为San Diego图像的左上角

图像分割是基于地理对象的图像分析（GEOBIA）中至关重要的基础步骤。 许多多尺度分割算法已被广泛用于高分辨率（HR）遥感图像中。 这些细分算法需要一个预设参数（称为scale参数）来控制每个对象的平均大小。 但是，由于空间变化，单一尺度参数几乎不能描述具有不同土地覆被的区域的边界。 为了克服这一局限性，本研究提出了一种用于多尺度分割的自适应参数优化方法。 为了找到最佳的物体尺度，通过计算物体内部和内部物体之间的光谱角来应用局部光谱异质性度量。 与选择全局最优尺度参数不同，本研究旨在从所有不同尺度的结果中直接搜索最优对象，并将其组合为最终的分割结果。 在实验中，使用多分辨率分割生成不同比例的分割结果，并将QuickBird-2图像用作test.data。 在四张HR测试图像上的优化结果表明，与单尺度分割结果相比，该方法具有更好的分割效果。

之前上传了一个由于说明不清楚,所以这个版本加入了说明文件和使用范例文件. 比较方便了

近代物理实验，氢原子光谱数据处理文档。

多用户干扰（multiple access interference，MAI）一直是光码分多址通信系统所要解决的关键技术之一，基于平衡检测法的光谱幅度编码（spectral amplitude coding，SAC）方案的提出能够有效地消除MAI.该文介绍了平衡检测法的原理并将其应用到光谱幅度编码系统中，并应用光通信仿真软件Optisystem7.0对该系统进行了仿真，仿真结果直观地表明，该系统实现了在BER≤10-9时的无误传输，即消除了MAI.

对高光谱图像数据进行空间滤波处理，自己也在用的程序。

内有参考文献、matlab编程代码、解释说明 利用近红外光谱技术对某海产品的水分含量进行无损检测。通过420～1023nm近红外光谱采集了266个海产品样本的光谱信息。分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化(Normalize)、数据中心化(Mean centering)、标准化(Autoscales)、移动窗口平滑、Savitzky-Golay卷积平滑法、一阶导数(FD)、二阶导数(SD)等方法对光谱进行预处理，并采用PCA主成分分析 (principal component analysis)结合马氏距离法对近红外校正样品集中的异常样品进行剔除。剔除样本后使用偏最小二乘法(PLS)建立模型对样本进行定量分析。比较各种光谱预处理的方法以及剔除异常值的权重阈值的选取，获取最佳PLS模型便可对待测样本进行水分预测。

提出了一种遗传区间偏最小二乘法(GA-iPLS),并用该方法快速提取苹果糖度近红外光谱的特征区域,在此基础上采用遗传偏最小二乘法(GA-PLS)提取苹果糖度近红外光谱的特征波长,进行苹果糖度预测。结果表明,整个光谱等分为40个子区间,遗传区间偏最小二乘法能快速寻找出5个特征子区间(第4,6,8,11,18号);在5个特征子区间的基础上用遗传偏最小二乘法继续优化,从中提取44个特征波长。建立在5个特征子区间和44个特征波长上的偏最小二乘法模型精度均优于全光谱偏最小二乘法模型,对预测集的预测相关系数提高了近10％;且模型得到了很大的简化,用于建模的主因子数减少了7个。这些结果表明,用这两种方法不但可以建立简洁、数据运算量少的模型,还可以快速地提取近红外光谱的特征区域和特征波长。

光谱反射曲线或光谱反射张量转换到Adobe RGB 条件 CIE D65 10°视场下 附: 一张高光谱图像 28.mat，一份样本文件 demo.mat，条件转换矩阵D2.mat，转换函数 adbrgb.m 。