回复 豆子的精神院 :可爱的小苹果～话说异物谱而且哎呦感觉姐姐的文……

呜哇无所谓的说啦反正有就行，别弃坑就行【默哀异物谱】

高光谱影像包含丰富的光谱信息，能够准确地描述地物的光谱特征，但在地物分类应用中通常会存在同物异谱和同谱异物现象。机载激光雷达（Light Detection and Ranging，Li DAR）可以直接获取地物高精度、高密度的三维空间信息，通常为离散点云，由于缺乏光谱/纹理信息，在地物分类方面表现出最大的不足。因此，融合机载 Li DAR 点云的三维空间信息和高光谱影像的纹理信息，即可发挥各自优势、取长补短，提升地物分类的精度和可信度。 本文在已有研究基础上从机载 Li DAR数据和高光谱影像数据提取不同特征，设计了不同特征组合的融合数据集，采用效率 更 高 、 实 现 简 单 的 随 机 森 林 算 法（random forest ，RF） 进行地物分类研究，并进行精度评价与对比，以提高分类精度，为土地资源利用监测、管理提供据支持。
1数据源
机载 Li DAR 和高光谱影像数据覆盖区域位于广西灵川县，地形平坦，包括民房、农田、林地、裸地等地物类型（图1）。其中机载 Li DAR 数据采集于 2020 年11 月 6 日，由 无人机 Li DAR系统获取，飞行高度约 120 m，平均点密度 38 点/m2，包含 xyz 坐标信息、强度信息及多次回波信息。高光谱数据采用高光谱成像仪于 2020 年 12 月 25日获取，当日天气晴好，飞行高度为 130 m ，空间分辨率为 0.12 m ；波长范围为400-1000 nm，包含 270 个光谱波段。

光谱成像技术在食品安全监测中具有广泛的应用。以下是光谱成像技术在食品安全监测中的一些主要应用方面： 食品质量检验：光谱成像技术可以用于食品的外观和质量检验。通过获取食品表面的光谱信息，可以检测食品的颜色、纹理、新鲜度和瑕疵等特征，用于判断食品的质量和可食性。 农药残留检测：光谱成像技术可用于检测食品中的农药残留。不同农药在光谱上有特征性的吸收或发射峰，通过光谱成像技术可以定量分析食品中的农药残留水平

基于高光谱遥感的山区经济林树种识别研究 引言 经济林是我国森林资源的重要组成部分，关系到国民经济和社会的发展，具有经济、社会和生态三大效益，在维护国家生态环境安全、丰富林产品供给、增加农民收入和提高生活质量等方面具有巨大贡献且地位不可替代。开展经济林调查工作，对于了解和掌握经济林资源现状和分布信息、提高林业整体发展水平、以及科学经营与持续利用森林资源等都具有十分重要的意义。 树种识别是林业资源调查的重

在籽棉杂质检测中，专家对 120 个机采籽棉样本的图像使用主成分分析（PCA）的方法对数据进行降维，通过 3 种有监督的分类判别算法建立判别模型，结果显示线性判别分析（LDA）模型结果最优，可以有效识别植物性杂质，但是对地膜的识别还存在误判；以含有 5 种白色异性纤维的籽棉为研究对象，光谱采集范围为 400～1000 nm，对选取的子区域通过最小噪声分离（MNF）方法降维、去噪，通过机器视觉评价确定最佳分割图像，试验表明该方法能够对白色异性纤维进行有效识别，识别率达 91%。针对籽棉中地膜难以有效识别的问题，他们提出了一种新的算法，首先采集籽棉高光谱图像，光谱范围在 1000～2500 nm，然后运用深度学习中的自编码器模型对数据进行特征提取和降维，然后对样本实现初步分类，最后将结果分类为地膜和非地膜，该算法大大提高了对地膜的识别率，基本满足了实际生产需求。

在皮棉表面杂质检测中，专家对高光谱反射、透射和反透射 3 种不同的成像模式进行研究，对比杂质在皮棉中的识别率，结果表明采用透射成像模式杂质的识别率最高；他们先获取不同异性纤维的最佳波段图像，然后采用像素级简单的图像融合进行识别，结果表明对多类难检异性纤维共存的检测是可以实现的，针对白色猪毛和透明丙纶丝无法识别的问题，提出可以采用结合全波段进行像素判别分类的解决方法；利用高光谱荧光成像作为异性物质分化的补充工具，首先利用基于兴趣区域的方法提取皮棉和 7 种异物的平均光谱，然后采用主成分分析（PCA）方法，从425～700 nm 范围内的 113 个波长中筛选出最优特征，对所选波长进行线性判别分析（LDA），所有样品的平均分类率为 90%；对混入皮棉中的地膜识别进行了研究，首先提取地膜的平均光谱数据，使用偏最小二乘回归分析（PLSR）方法优选出 560.3、673.9、716.9 和 798.8 nm 4 个最优波段，然后提取 4 个波段对应的图像，分别进行两次图像融合，并移除小目标得到最终图像，该方法能较好地完成对地膜图像的分割。

2、 什么是遥感图像大气校正？为什么要进行遥感图像大气校正？答：1）消除大气影响的校正过程；2)由于电磁波透过大气层时，大气不仅改变光线的方向，也会影响遥感图像的辐射特征，故消除大气影响非常重要
3、 图像频率域增强处理的一般步骤是什么？将空间域图像变换成频率域图像，然后在频率域中对图像的频谱进行处理。
4、 两幅图像运算或融合的基本前提是什么？答：首先要求多源图像精确。配准，分辨率不一致的要求重采样后保持一致
5、 以美国陆地卫星TM图像的波段为例，分别说明遥感图像的真彩色合成与假彩色合成方案。与真彩色合成图像相比，假彩色合成图像在地物识别上有何优越性？1) 答定义：2）彩色合成的目的在于彩色增强而不是彩色复原，比真彩色图像更能体现地物之间差别
6、 图像融合的三个层次指什么？图像融合的方法有哪些？答：像素级，特征机，决策级。方法：加权融合，基于HIS变换，主分量变换，比值变换，乘积变换融合，小波变换。基于特征融合，基于分类融合。
7、 叙述对ETM影像分辨率为30米的5、4、3波段与分辨率为15米的全色波段影像进行融合处理的“基于HIS变换”的方法的原理和步骤。答：过程：1待融合的全色图像和多光谱图像进行几何配准，并将多光谱图像重采样与全色分辨率相同。2将多光谱图像变换到IHS空间。3对全色图像I’和IHS空间中的亮度分量I进行直方图匹配，4用全色图像I’代替IHS空间分量，5将I’HS逆变换到RGB空间的到融合图像。原理：吧图像的亮度色调饱和度分开，图像融合只在亮度通道上进行，图像色调饱和度不变。
8、 如何评价遥感图像融合的效果？答：融合评价方法分为两种：定性评价和定量评价。定性评价以目视判读为主，目视判读是一种简单直接的评价方法，可以根据图像融合前后对比做出定性评价。缺点是因人而异，具有主观性。定量评价从融合图像的信息量和分类精度两方面进行，可以弥补定性评价的不足。
第七章
1、 遥感图像判读主要应用景物的哪些特征？（光谱特征，空间特征，时间特征，微波波段有偏振特征）
2、 叙述地物的光谱特性曲线与波谱响应曲线的关系和不同点。答：1关系：1）地物的波谱响应曲线与光谱特性曲线变换趋势是一致的。2）不考虑大气影响，波谱响应值域该波段内光谱反射亮度积分值值对应2不同点：光谱特性曲线表示反射率与波长的关系，波谱响应曲线表示密度或亮度值与波段的关系
3、 为什么多光谱图像比单波段图像能判读出更多的信息？答：多光谱相片显示景物的光谱特征比单波谱强得多，它能显示出景物在不同波普反射率的变化。
4、 谈谈你对遥感影像解译标志的理解。（光谱特征：不同地物光谱特性曲线，波谱响应曲线不同：空间特征：不同地物形状大小图形阴影位置纹理类型不同：时间特征：同一地区不同时间地面覆盖类型不同，同一类型地物，不同季节也会发生巨大变化）
5、 遥感技术识别地物的原理。答：利用已有资料，对描述的目标特征，结合判读员的经验，通过推理分析将目标识别。
第八章
1、 什么叫特征空间？地物在特征空间聚类有哪些特性？答“为了度量图像中地物的光谱特征，建立一个以各波段图像的亮点分布的为子空间的多维光谱特征空间。特征：1不同地物由于光谱特征不同，将分布在特征空间的不同位置。2同类地物的各取样点在光谱特征空间中的特征点将不可能只表现为同一点，而是形成一个相对聚集的点集群，不同类地物的点集群在特征空间内一般是相互分离的。3地物在特征空间的聚类通常用特征点分布的概率密度函数表示。
2、 为什么要进行特征选择？列举特征选择的方法。答：希望能用最少的影像数据最好的分类。方法：距离测量 散布矩阵测度
3、 叙述监督分类与非监督分类的区别。1） 监督分类非监督分来定义 2）监督分类先学习后分类，非监督分类边学习边分类。
4如何评价分类精度？答：1) 非位置精度：不考虑位置因素，以一个简单的数值（如面积、像元数等）表示分类精度，所得精度往往偏高。2)采用混淆矩阵。对检核分类精度的样区内所有像元，统计其分类图中的类别与实际类别之间的混淆程度，列出混淆矩阵。
5遥感图像计算机自动分类的精度受哪些因素的影响？如何进一步提高分类的精度？ 答：原因：1遥感数据制约：1) 光谱特性：同物异谱，同谱异物；光谱类与信息类不对应2)空间分辨率：混合像元； 2 分类方法制约：1）基于像元的分类2）空间结构信息未充分利用； 提高精度方法：1)分类前预处理:大气校正、几何校正，特征选择与变换，空间信息的提取（纹理）2) 分类树与分类层次：一次性分类出现类间混淆而又难以解决时，可采取逐次分类的方法。3)使用多种不同的分类方法： 如监督分类和非监督分类结合的方法。4)多种信息复合:遥感信息、非遥感信息复合5)GIS支持下的分类:GIS与遥感数据复合分类\间接支持分类\GIS数据用于图像纠正、辅助训练区和检验样本的选择

首先要做两件事：1 标记异物位置分布，查找规律性。2 收集异物去做光谱分析异物材质种类。有了针对性再去解决不良。

首先要做两件事：1 标记异物位置分布，查找规律性。2 收集异物去做光谱分析异物材质种类。有了针对性再去解决不良。

引言 随着材料技术的高速发展，目标伪装手段和策略也不断的提高，尤其是先进涂层和伪装网的使用，在某些背景环境下能达到目标和背景“异物同谱”的效果，增加了伪装识别的难度。基于传统的可见光或多光谱遥感技术，由于其单个波段覆盖光谱范围广，很难识别出伪装目标，给伪装识别带来了很大的挑战。 高光谱遥感是近些年来发展迅速的一种多维信息获取技术。它能够同时获取目标区域的2维几何空间信息和1维光谱信息，具有光谱范围宽、