排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
矿物的类型、丰度及其粒径分布对理解月球和行星表面曾经存在过怎样的地质演化过程具有重要的意义。本文提出基于辐射传输模型和稀疏分解模型反演矿物丰度及其粒径分布的方法,利用辐射传输模型计算各矿物端元不同粒径的单次散射反照率以构建解混光谱库,然后基于稀疏分解算法得到在每个可观测像元的端元最优丰度和粒径分布。利用实验室测量数据进行验证,表明本文方法具有较高的精度。最后根据玉兔号月球车的实地测量光谱数据,利用本文方法获得了其矿物的丰度及粒径分布,结果显示,辉石、橄榄石、斜长石、熔融玻璃和钛铁矿的丰度在4个观测点的平均丰度分别为28.1%、4.5%、39%、28%、0.4%,辉石的平均粒径为166.02μm,橄榄石为8.34μm,斜长石为196.31μm,熔融玻璃为44.21μm,一定程度上表明在这些观测点不同矿物对太空风化的响应不同。 相似文献
2.
文物是人类文明发展过程中历史、艺术及科学价值的结晶,蕴含着丰富的历史文化信息,文物数字化是对文物进行保护、修复和重建的重要环节。作为传统文物数字化手段的重要补充,高光谱遥感技术能够快速无损地获取文物材质、颜料和加工痕迹等信息,可为文物资源数字化提供文物表面物理、化学属性信息。本文首先对文保领域高光谱信息采集设备和方式进行了总结分析;然后对文保领域高光谱信息处理关键技术进行了回顾,总结为信息增加、信息提取、信息分类和可视化4个方面,对常用方法进行了对比分析,在此基础上总结了目前高光谱技术在文保领域的典型应用,包括颜料种类分析识别、隐藏信息提取和修复痕迹识别3个方面;最后,对高光谱文物应用未来的研究方向进行了展望。 相似文献
3.
高光谱遥感影像分类数据集主要用于辅助高光谱遥感分类算法的精度验证、效率评价及性能评估，一般包括高光谱遥感影像、影像对应地物类别标注以及相关信息文档等内容。常用的高光谱遥感影像分类数据集以欧美为主，如India Pines、Salinas、KSC等。随着中国高光谱遥感传感器技术发展和学术交流机制的日臻完善，国内也发布了高光谱遥感分类数据集，如江苏省常州的茶树数据集。较于欧美高光谱遥感分类数据集的广泛应用，中国高光谱遥感分类数据集的发布与应用仍偏少。近年来，中国高质量高光谱遥感数据获取能力大幅增强，提升了中国高光谱遥感共享数据源的数量及质量，为促进中国高光谱遥感应用研究及业务化能力提供了支撑。本分类数据集包括雄安新区马蹄湾村高光谱影像数据，由中国科学院上海技术物理研究所研制高分专项航空系统全谱段多模态成像光谱仪采集，光谱范围为400—1000 nm，波段250个，影像大小为3750×1580像元，空间分辨率0.5 m；同步实地调研地类分布19种，包括水稻茬、草地、榆树、白蜡、国槐、菜地、杨树、大豆、刺槐、水稻、水体、柳树、复叶槭、栾树、桃树、玉米、梨树、荷叶、建筑。利用随机森林分类方法对该数据进行了分类验证，分类精度可达97%。该数据集（下载方式：http：//www.hrs-cas.com/a/share/shujuchanpin/2019/ 0501/1049.html）可为中国经济作物高光谱精细分类研究提供良好的数据支持，更可为中国高光谱遥感载荷业务化应用发展提供有力促进。 相似文献
4.
中国蔬菜产业规模大、产值高,是促进农民增收和农村农业经济发展的支柱产业。快速准确地获取区域尺度蔬菜种植结构信息对于农业现代化、自动化和精细化等具有重要意义。无人机高光谱遥感技术具有快速机动灵活和“图谱合一”的优势,在作物精细分类中具有广泛应用前景。然而蔬菜作物种植规模差异大、农业景观破碎度高,同时还受地膜、大棚和防鸟网覆盖等影响,无人机高光谱图像易产生严重的混合光谱效应,给蔬菜作物精细分类带来了极大的挑战。针对此问题,本研究以湖南省农科院高桥科研基地蔬菜种植区为例,获取无人机高光谱图像,探索采用支持向量机和深度学习方法对不同蔬菜作物进行精细分类。研究结果表明：基于无人机高光谱遥感数据,可以实现不同覆盖背景下的蔬菜作物精细分类;两大分类方法的平均总体精度分别为78.03%和90.75%,平均Kappa系数分别为0.7359和0.8887,相较于支持向量机方法,基于深度学习的分类方法获得的精细分类效果更加理想,三维卷积神经网络和引入注意力机制的卷积神经网络可以有效提取图像中的光谱—空间特征信息,在蔬菜作物精细分类中体现出更好的分类效果;蔬菜作物在大尺度地块上空间纹理特征明显,而在小地块尺度... 相似文献
1