- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习和计算机视觉
光学成像 |综述| 高光谱成像技术概述
芯片镀膜 近年来，IMEC（欧洲微电子研究中心）采用高灵敏CCD芯片及SCMOS芯片研制了一种新的高光谱成像技术，在探测器的像元上分别镀不同波段的滤波膜实现高光谱成像，此技术大大降低了高光谱成像的成本。 但是缺点是光谱灵敏度较低，一般大于10nm，多用于无人机等大范围扫描的光谱应用领域。 ? 高光谱成像系统 下图为一个典型的高光谱成像系统结构示意图。 光源是高光谱成像系统的一个重要部分，它为整个成像系统提供照明；分光设备是高光谱成像系统的核心元件之一，分光设备通过光学元件把宽波长的混合光分散为不同频率的单波长光，并把分散光投射到面阵相机上；相机是高光谱成像系统的另一个核心元件 高光谱的优势 随着高光谱成像的光谱分辨率的提高，其探测能力也有所增强。因此，与全色和多光谱成像相比较，高光谱成像有以下显著优势。 1. 有着近似连续的地物光谱信息。 医学诊断 高光谱成像是一个新兴的,非破坏性的,先进的光学技术,它具有光谱和成像的双重功能,这种双重功能使得高光谱成像能够同时提供实验对象的化学和物理特征,并具有良好的空间分辨率。
2K31发布于 2021-08-06 - 来自专栏光芯前沿
法雷奥：高光谱成像在自动驾驶中的应用与挑战
◆ 高光谱成像基础与技术概述 （一）工作原理 高光谱成像的核心是捕捉电磁辐射与物质间的相互作用（如吸收、反射、透射），生成包含“2个空间维度+1个光谱维度”的三维超立方体数据结构，其关键优势在于高光谱分辨率 与其他成像技术相比，RGB相机易受环境光与物质颜色表象影响，多光谱成像（MSI）仅含3-15个离散光谱波段且存在光谱间隙，而HSI的连续窄波段特性使其具备区分细微材料差异的能力，例如可精准辨别RGB中视觉相似的干沥青与湿沥青 混合技术：结合多模态成像（如HSI+RGB），试图兼顾不同成像技术的优势，但采集延迟仍较高（约200ms/帧），动态场景适配性一般，仅可作为过渡阶段的技术方案。 HyKo数据集：分为可见光（VIS，0.47-0.63μm，15个光谱通道）与近红外（NIR，0.63-0.975μm，25个光谱通道）两部分，但NIR数据仅覆盖路面视角，缺乏全场景感知所需的多视角信息 （二）大规模标准化数据集建设 需构建覆盖多场景（城市、乡村、高速公路）、多天气（雾、雨、雪、夜间）、多地理区域的HSI数据集，提供材料级精细标注（如目标材质、路面状态）；同时推动行业制定统一的数据集标准
21310编辑于 2025-09-03 - 来自专栏CNNer
【目标检测】开源 | 无锚小尺度多光谱行人检测
Small-scale Multispectral Pedestrian Detection 原文作者：Alexander Wolpert 内容提要 由排列的视觉光学(VIS)和热红外(IR)图像对组成的多光谱图像非常适合于实际应用 在本文中，我们提出了一种在单级无锚基础结构中有效地实现两种模式多光谱融合的方法。我们的目标是学习基于对象中心和尺度的行人表示，而不是直接边界盒预测。 此外，我们还研究了适合的多光谱数据增强技术，以改进常用的增强技术。实验结果表明，该方法对小尺度行人的检测是有效的。 在具有挑战性的KAIST多光谱行人检测基准上，与目前最先进的7.49% (提高25%)相比，我们的方法实现了5.68%的log-average miss rate。 主要框架及实验结果 ? ? ?
98320发布于 2020-11-03 - 来自专栏思影科技
可穿戴功能性近红外光谱成像在自然环境中的应用
新型便携无线可穿戴功能性近红外光谱成像(fNIRS)设备的发展为脑功能成像开辟新路，这将带来认知研究的革命性变化。 在过去的几十年里，诸多研究采用了传统的功能近红外光谱成像（fNIRS）方法，证明了这项技术在不同人群和不同应用领域的适用性，其中涉及健康大脑研究及脑损伤研究。 这是基于目前可用的神经成像技术来实现的，其中包括基于神经血管的技术(例如，功能性磁共振成像[fMRI]、功能性近红外光谱[fNIRS]、正电子发射断层扫描[PET])和电磁技术(例如，脑电图[EEG]和脑磁图 鉴于fNIRS对多模式成像的适用性，同时整合脑电图和fNIRS测量的可穿戴解决方案也被提出。 事实上，鉴于fNIRS用于多模式监测的可行性，这很容易通过使用不干扰光学设备和参与者活动的可穿戴生理监测仪(例如，胸带)来实现。
1K10编辑于 2022-02-28 - 来自专栏深度学习和计算机视觉
工业相机在全息成像中的应用
对透明物体成像作为一种独特的技术，广泛应用于生物学、医学、工业机器视觉等领域，其中特殊涂层、样本染色、相位成像、结构光和多光谱成像等，都是透明物体成像技术的一种。 使用标准RGB范围以外的图像数据（例如多光谱成像），也可以增加数字全息成像的能力，用于显示之前没有被观察到的结构，进而获得观测物的额外数据。 然而，根据全息图像的产生方法，将多光谱技术的优点运用到全息成像中，仍然面临挑战。 图1：The Imaging Source的黑白工业相机DMK 72BUC02，作为记录干涉条纹系统装置的一部分。 用来产生全息图像的相干光源基本上是单色的，而要产生多光谱全息图，来自不同波长的多个相干光束的图像数据进行重建和融合，形成多光谱全息图。 在这些系统中，工作波长的集合通常是有限的，人们不能选择任意波长。 同时，在许多情况下，在相当宽的光谱范围内研究一个样品是一件有趣的工作。因此，一个亟待解决的问题是开发记录‘涉及准连续光谱调谐的多光谱全息图像’的方法。
59310编辑于 2022-09-28 - 来自专栏未来先知
代码开源：AMFD 框架助力多光谱行人检测的精度与速度提升 ！
多光谱行人检测已被证明在复杂光照场景下能够有效提升性能。然而，在多光谱检测中普遍使用的双流网络，对于多模态数据采用两个独立特征提取分支，导致其推理时间几乎是用单一特征提取分支的单流网络的两倍。 这种增加的推理时间限制了多光谱行人检测在自主系统嵌入式设备中的广泛应用。 为了高效压缩多光谱目标检测网络，作者提出了一种新颖的蒸馏方法——自适应模态融合蒸馏（AMFD）框架。 为了缓解这一限制，引入了热红外图像来提供补充数据，从而探索多光谱行人检测[3]作为一个有效的解决方案。 多模态特征融合是多光谱检测的关键。 先前的研究探索了各种融合策略：早期、中期和晚期融合。 在中期融合框架中，热成像和RGB特征是独立提取的，并在双流网络的中间阶段进行融合。最近采用中期融合策略的研究在多光谱检测中表现出卓越的性能。 II Related WORK Multispectral Pedestrian Detection 多光谱行人检测，结合了RGB和热成像图像，因其能在不同光照条件下保持鲁棒的检测性能而受到广泛关注。
47310编辑于 2024-08-13 - 来自专栏全栈程序员必看
高光谱图像分类综述_高光谱图像样本进行扩增
Weighted Feature Extraction 基于核函数的非参数加权特征提取 MFC-Multiple Feature Combining 多特征集成 像元形状指数 HSI- Hyperspectral Imaging 高光谱成像 随机森林 Reflective Optics Spectrographic Imaging System (ROSIS-03) 反射光学光谱成像系统
45210编辑于 2022-09-20 - 来自专栏3D视觉从入门到精通
基于高光谱的无损检测技术
高光谱的“高”字体现在多波段，可达数百波段；同时具有波段窄的特点，通常在10nm以下；并且光谱范围广，覆盖从可见光到近红外。 高光谱成像仪及其分类 根据成像光谱仪的工作波段进行分类，可以分为紫外、可见、近红外、中红外和 远红外等几个波段，且不同工作波段的应用也各不相同。 ? 根据分光元件的不同，当前光谱成像技术主要分为色散型和滤光片型。 色散型成像光谱仪分光技术主要包括棱镜分光和光栅分光两种；滤光片型成像光谱仪技术采用滤光片为分光元件，两种经典的调谐型滤光器，声光可调谐滤光片(AOTF)和液晶可调谐滤光片(LCTF)。 目前，基于上述色散型分光元件的高光谱相机主要应用推扫式成像，需要步进电机配合，每次扫描一行，获得该行的x-信息，推扫结束后，获得x-y-数据立方体；基于上述滤光片型分光元件的高光谱相机主要应用凝视式成像
1K20发布于 2020-12-11 友思特方案 | 如何在嵌入式平台上部署高光谱相机
高光谱成像技术因其能够捕获物体在不同波长下的光谱信息。广泛应用于农业、环境监测、工业检测等领域。 （2） eBUS Edge实现多平台自定义GigE Vision协议打包eBUS Edge是一个软件平台，无需任何额外的硬件，即可将相机、成像解决方案以及嵌入式和物联网设备转换为完全符合的GigE Vision 嵌入式视觉系统（如Jetson AGX Orin）结合eBUS协议可以整合来自不同工位的多源数据（如可见光检测、红外热成像、振动传感器等），实现全流程的质量控制和自动化优化。 3 智慧城市交通管理在智慧城市交通管理中，通过安装在路口、收费站及车载终端的多模态摄像头（如全局快门摄像头、热成像仪），实时监测车辆流量、车牌信息及行人行为，为交通调度和自动驾驶提供低延迟的决策依据。 嵌入式系统通过传输协议整合多模态数据，实现术中实时AI辅助。因此，借助eBUS，开发者能够轻松将这些设备与高光谱相机结合，开展各种嵌入式光谱成像应用。
17910编辑于 2025-06-03- 来自专栏疯狂学习GIS
全球主要高光谱遥感卫星介绍
1 引言 与多光谱数据相比，高光谱数据往往可以在地表参数反演等方面获得更高的精度。为此，有必要介绍一下目前全球主要星载高光谱遥感数据或相关平台的一些知识。 一般地，传统的陆地资源卫星只能提供为数不多的多光谱波段，并不能很好满足日常实际研究、运用的需要；而借助具有242个波段、光谱范围为356至2578 nm的EO-1 Hyperion传感器，可获得更具价值的高光谱数据 EO-1 Hyperion较之MODIS具有更多的波段数量，在21世纪初期便提供了高空间分辨率、多波段数的高光谱数据，极大方便相关科研人员开展研究工作，因此可以看到，基于Hyperion高光谱数据的预处理 在高光谱卫星载荷方面，可以看到随着时代与科技的发展，越来越多不同原理、不同针对内容、不同波段的传感器随同搭载于高光谱卫星中，实现由单一的高光谱传感器观测向可见光、热红外、微波等多波段结合观测方向发展，进一步提升了对高光谱数据的挖掘能力 “多强”局面。
3.6K30发布于 2021-07-22 - 来自专栏睐芯科技LightSense
光度计和椭圆偏振仪的通常配置
单色器的出射狭缝通过接收通道中的光学元件成像到样品上，然后成像到检测器上。图2 光谱偏振光度计设置用作反射计或透射计。图3显示光谱双旋转补偿器偏振计或椭圆偏振计。 单色器的出射狭缝通过接收通道中的光学元件成像到样品上，然后成像到检测器上。图3 使用单色器选择任意波长的双旋转补偿器光谱偏振计或椭圆偏振计图4显示了双旋转补偿器光谱偏振计或椭圆偏振计。 相对图3，单色仪被宽带光源取代，而接收通道中的探测器现在被多通道光谱仪取代。光谱仪使用快线探测器和适当的信号处理实时评估光谱。该仪器确定了穆勒矩阵所有16个元素。 图4 在接收通道中使用线探测器光谱仪的双旋转补偿器多通道椭圆偏振仪偏振器和旋转补偿器放置在准直器1和2之间。旋转补偿器和分析器放置在接收通道的准直器3和4之间。 光源的出射狭缝被接收通道中的光学器件成像到样品上，然后成像到光谱仪的入射狭缝上。
16610编辑于 2024-08-05 - 来自专栏计算机视觉
不同种类遥感图像汇总 ！！
，到多镜头型传感器多光谱图像获取，多光谱摄影技术是航空遥感的重要发展。 3、多光谱遥感图像 可见光遥感图像是多光谱图像中的特殊案例，而在我们的普遍认知中多光谱不仅包含3个光谱，应该由数十到数百的个光谱组成。 以2013年2月11日发射的Landsat系列最新卫星Landsat8为例，Landsat8对于各个光谱的波长信息： 它携带有OLI陆地成像仪和TIRS热红外传感器，Landsat8的OLI陆地成像仪包括 4、高光谱遥感图像 多光谱成像（Multispectral）一般只有几个到十几个光谱，由于光谱信息其实也就对应了色彩信息，所以多波段遥感图像可以得到地物的色彩信息，但是空间分辨率较低。 高光谱成像（Hypespectral）是一种可以捕获和分析一片空间区域内逐点上光谱的精细技术，由于可以检测到单个对象不同空间位置上的独特光谱“特征”因此可以检测到在视觉上无法区分的物质。
1.2K10编辑于 2024-03-19 基于YOLO集成模型的无人机多光谱风电部件缺陷检测
【导读】本研究提出了一种基于YOLO集成模型与多光谱图像融合的无人机检测方法，通过融合可见光与热红外数据并结合通用YOLOv8模型与专用热成像模型，显著提升了风电部件缺陷的识别精度。 在此条件下，必须采用鲁棒的智能算法从多光谱数据中精准检测各类缺陷。 本论文的主要贡献包括：提出多光谱图像融合技术，融合无人机巡检获取的RGB与热红外数据，生成能增强各类缺陷可见度的、丰富的图像表示；创新性集成学习方法：结合前沿YOLOv8模型与专用热成像模型，采用精密边界框融合算法提升整体检测精度与鲁棒性 为直接对比，所有模型均在相同的融合多光谱数据集上训练，结果汇总于表II。 定性分析为补充定量指标，图2展示了标准RGB图像与我们的系统生成的融合多光谱图像在缺陷检测上的视觉对比。
16410编辑于 2025-09-10- 来自专栏疯狂学习GIS
ASD地物光谱仪的.asd光谱曲线转为TXT文件
本文介绍基于ViewSpec Pro软件，将ASD地物光谱仪获取到的.asd格式文件，批量转换为通用的.txt文本格式文件的方法。 ASD光谱仪是英国Malvern Panalytical公司研发的系列野外便携式全范围光谱辐射仪和光谱仪，可以获取地物的实时光谱信息。 我们用这一系列中的设备产品对地物的光谱加以获取后，默认是以.asd格式文件来存储的；而这一文件格式相对并不普及，我们往往需要将其转换为其他更易分享的文件格式。 我们首先在下图所示的上方紫色框位置处，配置我们需要导出的数据类型（一般就是选择反射率）；随后，一般会选中下图所示的下方紫色框内的勾选项，从而保证将多个光谱曲线放在一个.txt格式文件中，从而方便我们后期对光谱曲线数据的读取与进一步处理
50350编辑于 2023-09-18 - 来自专栏计算机视觉
光学遥感卫星分辨率的奥秘 ！！
常见的光谱分辨率类型包括：多光谱分辨率和高光谱分辨率。 多光谱分辨率：其传感器通常具有几个到十几个波段，每个波段覆盖一个较宽的波长范围。 多光谱图像与高光谱图像区别 （3）辐射分辨率 又称动态范围，是指卫星传感器在测量地物辐射时能够区分的最小辐射强度变化。 除了空间分辨率的提升，多光谱和高光谱技术的发展也使得遥感数据能够提供更丰富的光谱信息，有助于更准确地识别和分类地表特征。 通过多模态成像技术，融合光学、红外、高光谱等多种观测手段，未来的遥感卫星可能会集成多种成像模式，以提供更全面的地表信息。 这种多模态成像能力将使得遥感数据在环境监测、资源管理、灾害响应等领域的应用更加广泛和深入。
68110编辑于 2024-03-19 - 来自专栏疯狂学习GIS
高分系列卫星详细介绍
一.高分一号 高分一号（GF-1）卫星于2013年4月26日12时13分04秒，由长征二号丁运载火箭成功发射，搭载了两台2m分辨率全色/8m分辨率多光谱相机，四台16m分辨率多光谱相机，是“高分家族” ）卫星于2015年12月29日，在西昌卫星发射中心成功发射，是我国第一颗地球同步轨道遥感卫星，GF-4卫星搭载了一台可见光50米/中波红外400米分辨率、大于400公里幅宽的凝视相机，采用面阵凝视方式成像 ，具备可见光、多光谱和红外成像能力，设计寿命8年，通过指向控制，实现对中国及周边地区的观测。 卫星首次搭载了大气痕量气体差分吸收光谱仪、大气主要温室气体监测仪、大气多角度偏振探测仪、大气环境红外甚高分辨率探测仪、可见短波红外高光谱相机、全谱段光谱成像仪共6台载荷，可对SO2、NO2、CO2、CH4 高分六号卫星配置2米全色/8米多光谱高分辨率相机（幅宽90公里）、16米多光谱中分辨率宽幅相机（幅宽800公里），高分六号还实现了8谱段CMOS探测器的国产化研制，国内首次增加了能够有效反映作物特有光谱特性的
8K50编辑于 2023-07-09 - 来自专栏点点GIS
遥感原理与应用复习重点整理
按照探测电磁波的工作波段分类：可见光遥感、红外遥感、微波遥感、多光谱遥感等。 按照遥感应用的目的分类：环境遥感、农业遥感、林业遥感、地质遥感等。 按照资料的记录方式：成像方式、非成像方式。 多光谱扫描仪（MSS）、反速光导管摄像机（RBV）、增强型专题制图仪（ETM+） 第三章 1、遥感传感器可分为四类： （1）、摄影类型的传感器。（2）、扫描成像类型的传感器。 （3）、雷达成像型的传感器。（4）、非图像类型的传感器。 2、扫描成像类传感器是逐点逐行以时序方式获取的二维图像，有两种，一对物面扫描的成像仪（如：红外扫描仪、MSS多光谱扫描仪、成像光谱仪等）。 4、ETM+是一台8谱段的多光谱扫描辐射计。HRV是一种线阵列推扫式扫描仪。 5、成像光谱概念：是以多路、连续并具有高光谱分辨率方式获取图像信息的仪器，基本上属于多光谱扫描仪。 7、图像融合的概念：将多源遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程。 第7章 1、景物特征主要有：光谱特征、空间特征和时间特征。 2、空间特征指景物的各种几何形态。
2.4K32发布于 2021-08-18 - 来自专栏AI科技评论
水下视觉智能研究迈不过的一道坎：涉水光学
常用的水体固有光学参量包括光谱吸收系数，光谱散射系数，光谱衰减系数，体散射函数，后向散射系数，前向散射系数，光束衰减系数等。 目前涉水光学数据获取的主要途径包括光学传感技术，光谱测量技术以及光学成像探测技术。 3.2光谱测量技术 光谱能够用来研究辨识水体及水中物质的结构，组成及状态，光谱测量技术极大改善了涉水测量的灵敏度和分辨率。 2）激光拉曼光谱技术 激光拉曼光谱技术作为一种原位，实时，无损，多物质同时探测的光学传感器技术，具备对涉水环境下目标物的成分定量检测能力，可实现海水中酸根离子浓度的长期原位监测，对于了解海底热液活动区， 6.光谱成像技术 光谱成像技术是将光谱测量与成像技术相结合，在图像上每一个像素点都能提取出多通道的光谱特征，从而实现多空间点，多通道的精密测量和多模态识别。
1.8K50编辑于 2023-01-03 AI4Science之分子材料成像调研洞察
本篇文章从成像方法（位形空间、频率空间、光谱学），任务类型（1D/2D分类、2D/3D重建、分割识别、模拟生成等），机器学习模型（CNN、VAE、GP、Transformer等），数据集与Benchmark 从成像方法出发，从位形空间、频率空间、光谱学三个角度展开调研。其中，位形空间成像包括光学显微镜、电子显微镜、扫描探针显微镜；频率空间成像包括X射线衍射、电子衍射、中子衍射。 、筛选、分割，电镜的自动化位点选取、参数设置等中子衍射利用经过物体的单像素信号和参考光场间的相干性的图像解析光谱学原子发射光谱（OES/AES）、原子吸收光谱（AAS）、X射线荧光光谱（XRF）、X射线能量色散谱法 （EDX）、俄歇电子能谱法（AES）、X射线光电子能谱法（XPS）、拉曼光谱、核磁共振谱等包括核磁共振谱的峰值定位、理论和实验匹配，基于拉曼谱成像的空间分割，拉曼光谱去噪及特征提取等2. 值得讨论的问题：如何在分子材料成像领域有效的利用多模态、跨度大、结构种类多的数据？构建业界广泛认可的大规模数据集和Benchmark测试存在哪些技术难点？
24200编辑于 2025-02-11- 来自专栏计算摄影学
非视线成像-角膜成像系统
我已经向你介绍了利用飞秒摄影技术，以及利用WIFI，来进行非视线成像的方法。今天我将给你再介绍另外一种很震撼的技术：角膜成像系统。 这也就是今天我想介绍的技术——角膜成像系统——的关键思想来源。 哥伦比亚大学的Nishino和 Nayar在2004年发表了论文 The World in an Eye，第一次提出了角膜成像系统。 然后他们详细的分析了角膜成像系统的焦散、分辨率等信息，还展示了一些角膜成像系统的真实应用：捕获场景全景视图、甚至定位人的注视物体等。 折反射成像系统与人眼物理模型 折反射成像系统是一种特殊的成像系统，让我摘录一段Wikipedia的定义： 折反射光学系统是一种将折射和反射结合在一个光学系统中的光学系统，通常通过透镜(屈光镜)和曲面镜( 而角膜成像系统的作者却敏锐的观察到，人眼+对着人眼拍摄的相机，也构成了一个折反射光学系统，只不过此时成像器件和光学反射系统不再是绑定在一起的，当眼球转动时，整个成像系统的光路会相应的发生改变。
67550发布于 2021-11-08
腾讯云开发者
