光谱专题
天然药物化学史话：“四大光谱”在天然产物结构鉴定中的应用-文献精读46
天然药物化学史话：“四大光谱”在天然产物结构鉴定中的应用，天然产物化学及其生物合成必备基础知识~ 摘要 天然产物化学研究在药物研发中起着非常重要的作用，结构研究又是天然产物化学研究中最重要的工作之一。在天然药物化学史话系列文章的基础上，对在天然产物结构研究中起绝对主导作用的“四大光谱”分析技术，即红外光谱、紫外光谱、质谱、核磁共振波谱在天然产物结构鉴定中的应用历史进行回顾与总结，并对其发展
GEE案例——基于光谱混合分析（SMA）的归一化差异水分指数（NDWFI）的水体监测
简介 本研究旨在开发一种新型水指数，以提高利用卫星图像感知和监测 SW 的能力，同时避开大量取样和复杂建模等劳动密集型技术，从而改进大规模 SW 测绘。 具体目标如下 (a) 引入一种新的水体指数，该指数的明确设计目的是改进对次要水体和易变水体的提取，使其非常适合于大规模、长期的水体分布图绘制；(b) 调查该新指数在阐明水体动态时空模式方面的可行性，从而推进对跨时空水体分布变化的理解；(c) 通
遥感领域remote sensing数据集整理-Super resolution超分辨率任务PAN数据集、多光谱数据集、常见遥感数据集汇总梳理
遥感-超分-多光谱数据集内容格式链接论文备注MSRSD包括Pleiades、Worldview-2（WV-2）、Worldview-3（WV-3）、Quickbird-2、GeoEye-1和DEIMOS等几个卫星获取的大多数公开可用的甚高分辨率（VHR）卫星图像\[2102.09351] A Comprehensive Review of Deep Learning-based Single Im
将光谱数据图片转换成数值格式
文章目录 任务所需工具步骤一：安装必要的Python库步骤二：图像OCR识别步骤三：提取光谱数值并存储完整代码 任务 现测量收集到一批目标色彩样本的光谱响应数据截图(图片保存在spectrum_screenshots文件夹内，截图样例见图1)。其中，一个样本的光数据是从波长360纳米(nm)到750纳米分别测量得到的对应光强度值(实数)。 图1所示光谱数据为:7.319(360n
高光谱图像融合超分辨率、全色锐化PyTorch工具箱--HIFToolBox
高光谱融合工具箱（HIFToolBox） 旨在收录高光谱和多光谱/全色锐化领域的SOTA算法。收录算法主要分三类：基于模型的算法、自/无监督学习算法,以及监督学习算法。 获取地址 ：主页 预训练权重 ：HIFTool目前发布了在QB数据集上，所有收录的监督网络的预训练权重。 使用方法： 在配置好PyTorch的环境中打开 Network_training.py.选择算法类型 > 0:包括模型(
运动想象 (MI) 分类学习系列 (14) :基于时空光谱特征的分类方法
运动想象分类学习系列:基于时空光谱特征的分类方法 0. 引言1. 主要贡献2. 提出的方法2.1 滤波器组生成2.1.1 预定义滤波器组2.1.2 主题滤波优化 2.2 生成空间谱特征表征2.3 算法流程 3. 结果3.1 与基线方法相比3.2 光谱滤波器数量对解码精度的影响 4. 总结欢迎来稿 论文地址：https://ieeexplore.ieee.org/abstract/
高光谱成像光源 实现对细微色差的分类--51camera
光源在机器视觉中的重要性不容小觑，它直接影响到图像的质量，进而影响整个系统的性能。然而自然光LED光源不能完全满足实际需求，比如对细微的色差进行分类，我们就需要考虑红外高光谱光源。 所谓高光谱成像，是指使用具有高波长分辨率获取图像功能的高光谱相机，以及与之对应的光源来获取图像的技术。通过拍摄对象物的反射光并将其可视化，可以进行成分分析、异物检测、高精度颜色识别等普通相机难以实现的检测。
高光谱图像聚类的像素-超像素对比学习与伪标签校正
Pixel-Superpixel Contrastive Learning and Pseudo-Label Correction for Hyperspectral Image Clustering 文章目录 Pixel-Superpixel Contrastive Learning and Pseudo-Label Correction for Hyperspectral Image
基于小波变换和峰值搜索的光谱检测matlab仿真,带GUI界面
目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 5.完整程序 1.程序功能描述 基于小波变换和峰值搜索的光谱检测matlab仿真,带GUI界面.对光谱数据的成分进行提取，分析CO2，SO2，CO以及CH4四种成分比例。 2.测试软件版本以及运行结果展示 MATLAB2022A版本运行 3.核心程序 ...
全光谱led灯的危害有哪些？曝光低质量全光谱led灯产生的四大风险
眼睛是人类获取信息最重要的感官器官之一，而近视则会导致视力模糊，进而影响学习效果和生活品质。因此，如何保护眼睛，尤其是在学习和使用电子设备时，成为了一个迫切需要解决的问题。然而在护眼领域上，护眼台灯的质量和性能对于眼睛的健康是至关重要的，不过在如今跟风如潮的时代下，不少劣质全光谱led不断涌进了市场中，导致有不少人都在怀疑全光谱led灯的危害到底有哪些？接下来我将详细探讨护眼台灯如何影响视力健康。
论文阅读[268]基于EEM荧光光谱，感知燃烧产生的颗粒物
【论文基本信息】 标题：EEM Fluorescence Spectroscopy based Sensing of Combustion Generated Particulate Matter 来源与类型：华盛顿大学，博士学位论文 推荐理由：论文作者将主成分回归（PCR）方法与三维荧光光谱结合，预测样本中特定类污染物的总浓度，准确率达到了97.6%。论文中使用的数据和程序公开发布在Githu
【光谱特征选择】连续投影算法SPA（含python代码）
目录 一、背景 二、代码实现 三、项目代码 一、背景 连续投影算法（Successive Projection Algorithm，SPA）是一种用于光谱分离的简单且有效的算法。它主要应用于高光谱图像处理，用于提取混合光谱数据中的端元（endmembers）。端元是指在高光谱图像中存在的纯物质的光谱签名，这些签名在混合像元的光谱数据中有重要的影响。 SPA的基本原理是通过迭代过
基于高光谱数据集的创新点实现-高斯核函数卷积神经网络
一、高光谱数据集简介 1.1 数据集简介 数据集链接在这:高光谱数据集(.mat.csv)-科研学术 数据集包含下面三个文件： 文件中包含.mat与.csv,145x145x220, 其实主要使用avirissub.csv文件，在代码上只是将mat文件转成了csv文件。具体avirissub.csv如下：145x145x220,每行代表一个数据，每行前220列代表特征，最后一列代表标签值，共
灯珠CCD或CMOS成像RGB数据 光谱重建
1. 源由 本文主要为了通过摄像头CCD或者CMOS传感器对灯珠成像数据分析、重建灯珠可见光范围光谱数据的研究，从原理和方法上论证可行性。 随着照明技术迅猛发展，LED技术日渐成熟。LED产品由于具备经久耐用、节能且价格低等优势，已成为照明行业的绝对力量，被广泛应用于生活及工作的方方面面，与人们如影随形，密不可分。 近日，医学专家担忧LED蓝光会对视网膜造成损害，甚至是失明。早在1966年Ne
基于卷积神经网络的高光谱分类 CNN（上）
基于卷积神经网络的高光谱分类 CNN 混合光谱HybridSN传统的2-D CNN混合光谱3-D CNN 操作步骤前言（准备）获取数据以及引入基本的库函数导入相关的包 创建模型模型网络结构代码测试 混合光谱HybridSN 传统的2-D CNN 传统的2-D CNN方法在处理HSI时往往只考虑了光谱信息，而忽略了空间信息的重要性。 混合光谱3-D CNN Hyb
重磅！结合AI、高光谱与GEE的双碳目标智能监测与模拟前沿
以全球变暖为主要特征的气候变化已成为全球性环境问题，对全球可持续发展带来严峻挑战。2015年多国在《巴黎协定》上明确提出缔约方应尽快实现碳达峰和碳中和目标。2019年第49届 IPCC全会明确增加了基于卫星遥感的排放清单校验方法。随着碳中和目标以及全球碳盘点的现实压力，基于遥感技术的碳监测成为了领域热点。 卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成
MATLAB高光谱图像处理基础
介绍高光谱图像的基本知识，便通过MATLAB对高光谱图像进行基本的处理。 文章目录 前言一、高光谱图像二、MATLAB高光谱图像处理1.加载.MAT文件数据2.图像的显示3.图像维度变换 总结 前言 高光谱图像是一个立方体结构，维度为M x N x B，M为水平方向像素数量，N为垂直方向像素数量，B为每个像素对应的波段数量。 实验数据集： http://www.eh
高光谱图像基础知识（1）
本部分主要介绍什么是高光谱图像，成像原理，以及高光谱图像的特点。 高光谱图像 所谓高光谱图像就是在光谱的维度进行了细致的分割，不仅仅是传统的黑，白，或者R、G、B的区别，而是在光谱维度上也有N个通道，例如：我们可以把400nm-1000nm分为300个通道，一次，通过高光谱设备获取的是一个数据立方，不仅有图像的信息，并且在光谱维度上进行展开，结果不仅可以获得图像上每个点的光谱数据，还可以获得任
GEE：基于光谱距离度量方法的巴以冲突造成的地表覆盖变化检测
作者：CSDN @ _养乐多_ 本文将介绍如何在 Google Earth Engine (GEE) 平台中使用光谱距离度量方法进行地表覆盖变化检测，并以加沙地区为例，使用Sentinel2数据展示2023年3月和2024年3月的地表覆盖变化区域。 结果如下图所示， 文章目录 一、核心函数1.1 spectralDistance函数1.2 光谱距离度量方法 二、代码链接三、完
基于PCA和马氏距离的近红外光谱异常检测(附MATLAB程序)
近红外光谱（NIR）技术在许多领域中都有广泛应用，包括食品、医药和化工等。然而，由于其高维特性，NIR数据分析常常面临诸多挑战。为了更有效地处理这些数据，降维技术和异常值检测方法变得尤为重要。本文将介绍如何利用主成分分析（PCA）和马氏距离结合，剔除NIR数据中的异常值。 （1）数据预处理 首先，导入并标准化NIR数据。标准化是将数据转换为均值为0，标准差为1的形式，有助于提高PCA的效果。标
NASA数据集——亚洲夏季季风化学与气候影响项目超高灵敏度气溶胶光谱（UHSAS）数据
ACCLIP_Aerosol_AircraftInSitu_WB57_Data 简介 ACCLIP_Aerosol_AircraftInSitu_WB57_Data 是亚洲夏季季风化学与气候影响项目（ACCLIP）期间收集的原地气溶胶数据。本数据集收录了来自下一代激光质谱仪（PALMS-NG）、单颗粒烟尘光度计（SP2）、成核模式气溶胶粒度光谱仪（N-MASS）、印刷光学颗粒光谱仪（POPS）
使用判别分析(DA)进行三维荧光光谱快速分类的实验报告
1 介绍 当前，三维荧光光谱与化学计量学方法的结合在茶叶、蜂蜜、山茶油和啤酒等食品的快速分类中显示出不可替代的优势。例如，Song He等人[1]使用偏最小二乘判别分析（PLS-DA）与主成分分析-线性判别分析（PCA-LDA）方法，实现了快速准确区分两种金银花及其地理来源。 本实验的目的是探讨使用判别分析(DA)进行三维荧光光谱快速分类的可行性。首先，收集了4个不同来源的公开数据集。然后，使
“成像光谱遥感技术中的AI革命：ChatGPT在遥感领域中的应用“
遥感技术主要通过卫星和飞机从远处观察和测量我们的环境，是理解和监测地球物理、化学和生物系统的基石。ChatGPT是由OpenAI开发的最先进的语言模型，在理解和生成人类语言方面表现出了非凡的能力。本文重点介绍ChatGPT在遥感中的应用，人工智能在解释复杂数据、提供见解和帮助决策过程方面的多功能性和强大性，这些都对遥感应用领域，比如环境监测、灾害管理、城市规划等至关重要。ChatGPT先进人工智能
0.5米多光谱卫星影像在农业中进行地物非粮化、非农化监测
一、引言 随着科技的发展，卫星遥感技术已经成为了农业领域中重要的数据来源。其中，多光谱卫星影像以其独特的优势，在农业应用中发挥着越来越重要的作用。本文将重点探讨0.5米加2米多光谱卫星影像在农业中的应用。 二、多光谱卫星影像概述 多光谱卫星影像是一种通过卫星传感器获取的具有多个光谱通道的影像。与传统的单波段影像相比，多光谱影像能够提供更丰富的地物信息，有助于更准确地识别和分类
宽光谱SOA光芯片设计（二）
-本文翻译自由Geoff H. Darling于 2003年撰写的文章。尽管文章较早，但可以了解一些SOA底层原理，并可看到早期SOA研究的思路和过程，于今仍有很高借鉴价值。 第3章 现代SOA设计基础 3.1简介 在本章中，将讨论现代SOA设计的关键问题。现有技术的基础将为后续章节的详细和专业研究提供必要的背景信息。 3.2 SOA的有源区设计 有源区决定了SOA的光学特性。它由波导结
利用高分五号02星高光谱数据进行地物识别
高分五号02星搭载了一台60公里幅宽、330谱段、30米分辨率的可见短波红外高光谱相机（AHSI），可见近红外（400~1000nm）和短波红外光谱（1000~2500nm）分辨率分别达到5纳米和10纳米。单看参数性能优越，忍不住想试试利用这个数据进行地物识别。 本文介绍利用光谱分析方法从高分五号02星AHSI的反射率影像（可见近红外VN、短波红外SW组合的330个波段影像）上识