论文部分内容阅读
基于迈克尔逊干涉原理的傅里叶变换红外(Fourier Transform Infrared,FTIR)超光谱仪较传统色散型光谱仪,具有红外全谱覆盖、光谱分辨率高(可达0.1 nm)、扫描红外全谱时间短(可达0.01 s)的特点。它的出现使得实时完成对高速运动目标识别和大气组分精细分析等应用成为可能。分类是这些红外光谱探测应用的基础,目前学术界和工业界尚未开展针对FTIR超光谱数据的分类方法研究,通常沿用高光谱数据分类算法。由于FTIR超光谱超高分辨率带来的高维数据会使传统高光谱数据分类算法在实时性和分类精度上无法满足实际应用的要求。传统高光谱分类算法处理的高光谱数据为数百维,目前FTIR的光谱数据已增长到上万维,而分类时间也随数据维数显著增长,从而给实时应用带来困难。本文针对实时性问题,从提升算法效率和提升硬件处理能力和两个方面开展了研究工作。首先,提出了一种空间分层光谱直方图概念和计算方法,并给出了基于空间金字塔匹配(Spatial Pyramid Matching,SPM)的FTIR超光谱分类方法,有效提高了超分辨率光谱数据特征分类的实时性,使匹配相似度计算过程时间显著降低,从而提高了系统的实时性。其次,设计并研发了一套FTIR超光谱信号处理机的原理样机,通过外场实验验证了该系统具有良好的实时性,为超光谱应用于实时在线遥感探测提供平台保障。FTIR获取的干涉信号中信噪比(Signal to Noise Ratio,SNR)与光谱分辨率呈反比,即光谱分辨率的提高,会使SNR降低,甚至导致光谱发生形变。实验证明针对超光谱分辨率的数据,采用传统分类方法处理的分类精度呈指数下降趋势。针对光谱分辨率提高带来分类精度下降问题,本文提出了一种基于稀疏受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)的超光谱数据分类算法,有效提高了高维度光谱数据特征的分类精度。实验证明,该方法可有效解决FTIR超光谱超高分辨率导致的分类精度下降的问题。综上所述,本文对FTIR超光谱分类方法进行了理论研究和实验验证工作,解决了FTIR超光谱应用中的关键问题,为FTIR超光谱在高速运动目标识别、大气组分精细测量分析等应用中提供有效的技术支撑,有助于提升和扩展FTIR超光谱的应用价值和范围。