导读:本文包含了光谱匹配论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光谱,日光,光学,大气,气溶胶,视场,距离。
光谱匹配论文文献综述
韩海辉,王艺霖,张转,任广利,杨敏[1]（2019）在《一种新的高光谱遥感蚀变矿物提取算法——MSSS_t相似光谱匹配组合法》一文中研究指出针对高光谱蚀变矿物提取提出的光谱角和光谱信息散度(SIDSAM_(tan))组合法在复杂地质背景下仍然存在分类精度不足的问题,将波谱特征拟合(SFF)和混合调制匹配滤波(MTMF)加入SID-SAMtan法中,提出MTMFSFF-SIDSAM_(tan)(MSSS_t)组合法,可最大化地放大与目标波谱匹配的像元信号。采用相似度增量和相关光谱区分熵指标,定量比较MSSSt、MTMF、SFF、SIDSAM_(tan)、SID、SAM 6种方法对人工模拟的相似光谱的区分能力,发现MSSS_t法具有更强的光谱区分能力。在甘肃北山方山口地区,利用新方法从CASI-SASI高光谱影像上提取了绢云母、褐铁矿、绿泥石等9种蚀变矿物,通过地面实测验证对提取结果进行精度评价,发现9种蚀变矿物的提取精度都在90%左右,显示出MSSSt方法行之有效,可作为今后提取高光谱蚀变矿物的方法之一。(本文来源于《遥感信息》期刊2019年05期）
胡新凯,高海亮,程天海[2]（2019）在《基于光谱匹配的大气校正方法》一文中研究指出大气校正是遥感定量化的一个重要环节,其常用方法是暗目标法。该方法适用于浓密植被地区,但在植被覆盖度较低的地区,暗目标法的适用性较差。提出了一种基于光谱匹配的大气校正方法,以城市地区的不变目标为切入点,针对高分一号(GF-1)卫星全色和多光谱(PMS2)传感器相机开展大气校正方法的研究。该方法利用6S辐射传输模型构建大气校正参数查找表,得到了影像上的水泥路面在不同大气条件下的反演光谱;同时,利用水泥路面的平均实测光谱作为参考光谱,通过参考光谱与测试光谱的光谱角度匹配,找到最相近的光谱曲线,用以确定大气校正参数,并对影像进行大气校正。实验结果表明:该大气校正方法效果良好,反演得到的地表反射率与典型地物的光谱数据比较吻合,更好地还原了地表的真实情况,为植被稀疏地区的大气校正工作提供了新思路。(本文来源于《光学学报》期刊2019年08期）
张从征,许毅钦,古志良,郭亮[3]（2019）在《基于LED光谱匹配方法的任意光谱拟合研究》一文中研究指出为利用多个不同波段LED光源对目标光谱快速准确地匹配,基于实测LED光谱信息建立光谱数据库,通过求解超定方程组的非负最小二乘解,对多个LED光源组合进行优化,实现在选用LED个数最少时完成与目标光谱的匹配.研究结果表明,该方法可以较准确地完成与健康照明实验室中目标光谱的匹配,选用4、5、6、7种LED光源组合进行匹配后相关指数分别为0.957,0.984,0.985,0.986.匹配选用LED种类越多,拟合越精确,但在实际应用中应同时考虑封装及散热等问题.(本文来源于《材料研究与应用》期刊2019年01期）
黄捷[4]（2018）在《基于光谱匹配的光纤表面增强拉曼散射光谱中背景信号的提取研究》一文中研究指出光纤SERS技术不仅能实现常规SERS测量的信号增强效果,还继承了光纤的柔性化、实时、原位、远距测量等优点,在活体检测、水质监测、化工过程控制等方面具有其独特的优势和良好的应用前景。但在远距离测量时激光在光纤传输过程中会产生拉曼散射,该背景信号对光纤SERS测量的样品光谱带来干扰。因此,针对光纤SERS测量的背景干扰问题,引入已测光纤拉曼背景作为参考光谱来匹配样品光谱中的背景,采用了双目标优化和加权SG平滑滤波两种不同的方法对罗丹明6G和结晶紫的SERS光谱中的背景信号进行了提取。本文的主要内容包含着以下几个方面:(1)采用双目标优化方法来实现光纤SERS光谱中的光纤拉曼背景提取。通过使用曲线拟合对样品光谱进行光谱分解,同时将部分已分解的谱峰与参考光谱进行光谱匹配,建立了该双目标优化方法的目标方程。在目标方程中可选择皮尔逊相关系数、一阶差分皮尔逊相关系数或一阶差分余弦相似度作为光谱匹配的相似因子。根据样品光谱中背景在任一波数下的强度值应小于样品光谱在该波数下的强度值这一关系建立了约束方程。根据目标方程、约束方程和变量约束条件,应用目标达到法,提出了双目标优化问题的求解模型并给出了详细的可实现的算法。(2)提出了一种新的加权SG平滑滤波器来实现光纤SERS光谱中的背景光谱提取。该滤波器在经典的SG滤波器模型中加入了一个加权项来匹配参考光谱与样品光谱中光纤拉曼背景之间的相似性。通过选择余弦相似度和皮尔逊相关系数作为光谱匹配中的相似因子,从而分别推导了SG-ECos和SG-PCor两种不同的加权SG滤波器。根据推导出来的加权SG滤波器模型,给出了具体详细的可实现的算法,该算法兼容分段拟合。使用该算法,SG-ECos和SG-PCor滤波器可有效用于光纤拉曼背景的去除;而在没有参考光谱的辅助下,这两个滤波器均退化为SG滤波器,可用于荧光背景的去除。(3)提出了一种相似性变化方法来实现测量光谱中单个谱峰的识别,该方法借助于参考光谱,通过同一波数区间内参考光谱与样品光谱之间的相似度在样品光谱减去要识别的谱峰之前和之后这段时间的变化,来判断待识别单个谱峰为背景特征峰还是样品特征峰。相似性变化法中可用的相似因子为余弦相似度和一阶差分余弦相似度。研究发现在使用余弦相似度、一阶差分余弦相似度或二阶差分余弦相似度进行相似性度量时,可通过对原光谱或差分后的光谱增加常数值的方法来提高识别效果。(4)在对常用于光谱相似性度量的相似因子总结的基础上,针对皮尔逊相关系数在光谱识别中受基线影响的问题,提出了一种新的相似因子—光谱轮廓相似系数。它在公式形式上类似于皮尔逊相关系数,但它使用了光谱特征峰中心频率处强度值对光谱的每个元素进行修正而不是直接进行去中心化处理。它在描述光谱相似性的时候,提高了特征峰附近区间光谱的相似性并减少了其它干扰谱峰和基线对光谱相似度量带来的影响。本文中所提出的相关方法可用于光纤拉曼测量中的光纤拉曼背景提取,也可以移植至拉曼(SERS)光谱中的基底背景提取中,甚至可拓展到NMR光谱、红外光谱等其他光谱测量中基底背景去除中。(本文来源于《华中科技大学》期刊2018-11-01）
王展,王可,王伟超[5]（2019）在《提高光谱匹配精度的散射噪声消除方法》一文中研究指出光谱仪器采集光谱数据时,散射噪声会对光谱数据产生影响。同一种矿物质在不同颗粒度和浓度状态下的光谱数据曲线会产生偏移,进而降低光谱数据的匹配精度。针对这一问题,研究了基于多元散射校正融合增广拉格朗日消除光谱数据散射噪声和偏移的方法,先用该方法对光谱数据预处理进行校正,再结合光谱角方法进行相似度匹配测量。实验选取了6种矿物和6种壁画颜料作为光谱数据样本,使用光谱匹配方法分别对原光谱数据和消除散射噪声和偏移后的光谱数据进行匹配计算和分析。实验结果表明,使用多元散射校正融合增广拉格朗日方法消除散射噪声和偏移校正后的光谱数据匹配精度高于未校正的光谱数据,因此该方法可提高识别效果。(本文来源于《激光与光电子学进展》期刊2019年02期）
王可,王慧琴,殷颖,毛力,张毅[6]（2018）在《基于自适应编辑距离的颜料光谱匹配识别方法》一文中研究指出为解决传统光谱匹配算法对同色系不同颜料物质光谱数据匹配识别精度不高的问题,提出了一种自适应阈值的编辑距离光谱匹配算法;研究了如何利用编辑距离对光谱反射率曲线差别敏感的特性来提高匹配精度的方法,同时通过自适应设定编辑距离的判定条件来减小算法匹配同种物质时在不同条件下光谱数据的误差。结果表明:与传统光谱匹配算法相比,自适应编辑距离算法的匹配精度更高,对颜料的识别结果更好。(本文来源于《激光与光电子学进展》期刊2018年11期）
周珂,刘李,余涛,顾行发,郑逢斌[7]（2017）在《光谱匹配因子对GF-1/WFV时间序列交叉定标的影响分析》一文中研究指出在轨运行的传感器辐射性能由于受到元部件老化、外太空辐射等因素的影响,会发生变化,通过传感器在轨定标可以及时追踪传感器在轨运行期间的辐射性能变化。利用Terra/MODIS(Terre卫星中分辨率成像光谱仪)参考,GF-1/WFV(高分-1号卫星视场传感器)传感器为目标,基于敦煌校正场的实测地表光谱数据,在考虑两传感器成像时刻的不同观测角度、光谱响应、大气条件和地表特性的匹配贡献的基础上,获得交叉定标光谱匹配因子,进一步得出WFV自发射后的时间序列交叉定标系数。以此辐亮度定标系数得到的表观辐亮度值与MODIS表观辐亮度值进行比对,开展光谱匹配因子对GF-1/WFV定标系数的影响分析。分析认为:在不同波段,光谱匹配因子变化趋势总体一致,大于0.9的光谱匹配因子比重分别为53.1%,75%,81.2%和93.8%;辐亮度定标系数的时间序列变化趋势与光谱匹配因子的时间变化趋势呈现负相关;匹配因子越接近1,两传感器辐亮度值的相对偏差越小。(本文来源于《光谱学与光谱分析》期刊2017年12期）
魏祥坡,余旭初,张鹏强,谭熊,刘冰[8]（2017）在《结合空间信息的EDCC测度光谱匹配分类方法》一文中研究指出光谱匹配分类方法以光谱相似性测度为分类准则,一种相似性测度只对应于光谱曲线的一种特征,用于光谱匹配分类效果并不好;组合不同类型的相似性测度能够有效改善分类效果,但光谱匹配分类往往忽略了相邻像元间的相关性。为了更好地利用空间信息,提高光谱匹配分类精度,首先组合欧氏距离测度和相关系数测度,得到欧氏距离-相关系数测度;其次通过加入空间乘子,得到结合空间信息的欧氏距离-相关系数测度,从而在光谱匹配分类中增加了空间信息约束。采用两组高光谱影像进行实验验证,结果表明,相比于单一相似性测度及组合相似性测度,结合空间信息的欧氏距离-相关系数测度用于光谱匹配分类能够有效改善分类精度。(本文来源于《测绘科学技术学报》期刊2017年06期）
明群杰[9]（2017）在《基于光谱匹配技术的青藏高原典型植被识别与提取》一文中研究指出光谱匹配技术是成像光谱地物识别的关键技术之一,如何针对不同的应用选择不同的光谱匹配技术以及能否发展更完善的技术一直是人们研究的热点。受限于青藏高原的特殊地理环境特点,目前国内对于青藏高原植被分类的研究较少,而植被类型及其变化对于青藏高原生态环境演变及其全球变化响应研究又具有重要的意义。本文采用HJ-1A高光谱影像和ASD实测高光谱数据进行了青藏高原可可西里典型区高原植被的识别与提取研究。首先对实测高光谱数据利用Savitzky-Golay滤波器进行光谱数据的平滑与去噪处理;并采用全局去条纹法解决了HJ-1A高光谱数据存在的垂直条纹问题;然后基于预处理后的实测波谱建立了高原植被光谱数据库;最后采用了交叉相关光谱匹配、光谱角匹配、光谱特征拟合、小波变换等多种光谱匹配方法对小蒿草、针茅、青藏苔草等高原植被进行了匹配识别试验和提取效果对比研究。结果表明:(1)光谱特征参数和光谱吸收指数能较好的提取出绿色健康植被特有的光谱特征;交叉相关光谱匹配在进行相近地物光谱的区分时需要有峰值和偏度系数的最优权值;小波变换光谱匹配受限于光谱匹配数据的误差阈值,对于青藏高原的复杂环境和卫星遥感数据的低空间分辨率,小波变换光谱匹配方法的能力发挥有所局限;光谱角匹配和波谱特征拟合都是常见的光谱匹配方法,光谱角匹配更多地考虑了光谱的形状特征,而光谱特征拟合着重于光谱的本质,更能有效地提取出具有明显光谱吸收特征的地物光谱。(2)本文通过上述多种光谱匹配方法的试验对比,发现都能较好的识别出研究区小蒿草光谱;小波变换光谱匹配和光谱特征拟合都能较好的识别出研究区针茅光谱,交叉相关光谱匹配在针茅光谱与青藏苔草光谱之间无法区分;最后,采用光谱角填图方法提取了相应研究区小蒿草和针茅的植被覆盖区域,并用1:100万中国植被图进行了对比验证。(本文来源于《中国地质大学(北京)》期刊2017-05-01）
章夫正,徐海松,丰恒[10]（2017）在《提升LED日光模拟器同色异谱质量的光谱匹配方法》一文中研究指出基于多通道LED光源以及CIE评价日光模拟器光谱质量的标准,提出了一种适用于CIE日光照明体D50、D55、D65和D75的光谱匹配方法。针对实际难以获得精确的光谱匹配问题,本方法可兼顾光谱匹配精度和同色异谱性能。实验结果表明,4种匹配光谱的CIE 1976 UCS色品差均小于CIE标准规定的0.015;与仅以光谱匹配精度为目标的技术相比,该方法显着改善了匹配光谱的同色异谱指数质量等级以及显色性能。同色异谱质量等级由C级甚至D级均提高到了B级,CIE一般显色指数高达98,而特殊显色指数R9则更加显着地改善至优于94。(本文来源于《照明工程学报》期刊2017年02期）
光谱匹配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
大气校正是遥感定量化的一个重要环节,其常用方法是暗目标法。该方法适用于浓密植被地区,但在植被覆盖度较低的地区,暗目标法的适用性较差。提出了一种基于光谱匹配的大气校正方法,以城市地区的不变目标为切入点,针对高分一号(GF-1)卫星全色和多光谱(PMS2)传感器相机开展大气校正方法的研究。该方法利用6S辐射传输模型构建大气校正参数查找表,得到了影像上的水泥路面在不同大气条件下的反演光谱;同时,利用水泥路面的平均实测光谱作为参考光谱,通过参考光谱与测试光谱的光谱角度匹配,找到最相近的光谱曲线,用以确定大气校正参数,并对影像进行大气校正。实验结果表明:该大气校正方法效果良好,反演得到的地表反射率与典型地物的光谱数据比较吻合,更好地还原了地表的真实情况,为植被稀疏地区的大气校正工作提供了新思路。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
光谱匹配论文参考文献
[1].韩海辉,王艺霖,张转,任广利,杨敏.一种新的高光谱遥感蚀变矿物提取算法——MSSS_t相似光谱匹配组合法[J].遥感信息.2019
[2].胡新凯,高海亮,程天海.基于光谱匹配的大气校正方法[J].光学学报.2019
[3].张从征,许毅钦,古志良,郭亮.基于LED光谱匹配方法的任意光谱拟合研究[J].材料研究与应用.2019
[4].黄捷.基于光谱匹配的光纤表面增强拉曼散射光谱中背景信号的提取研究[D].华中科技大学.2018
[5].王展,王可,王伟超.提高光谱匹配精度的散射噪声消除方法[J].激光与光电子学进展.2019
[6].王可,王慧琴,殷颖,毛力,张毅.基于自适应编辑距离的颜料光谱匹配识别方法[J].激光与光电子学进展.2018
[7].周珂,刘李,余涛,顾行发,郑逢斌.光谱匹配因子对GF-1/WFV时间序列交叉定标的影响分析[J].光谱学与光谱分析.2017
[8].魏祥坡,余旭初,张鹏强,谭熊,刘冰.结合空间信息的EDCC测度光谱匹配分类方法[J].测绘科学技术学报.2017
[9].明群杰.基于光谱匹配技术的青藏高原典型植被识别与提取[D].中国地质大学(北京).2017
[10].章夫正,徐海松,丰恒.提升LED日光模拟器同色异谱质量的光谱匹配方法[J].照明工程学报.2017
论文知识图
