SVM 的光栅成像光谱仪图像畸变校准方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

SVM 的光栅成像光谱仪图像畸变校准方法

韩军, 常波, 路邵军, 吴玲玲, 占春连

文章导航 > 红外与激光工程 > 2014 > 43(9): 3099-3104

韩军, 常波, 路邵军, 吴玲玲, 占春连. SVM 的光栅成像光谱仪图像畸变校准方法[J]. 红外与激光工程, 2014, 43(9): 3099-3104.

引用本文:

韩军, 常波, 路邵军, 吴玲玲, 占春连. SVM 的光栅成像光谱仪图像畸变校准方法[J]. 红外与激光工程, 2014, 43(9): 3099-3104.

Han Jun, Chang Bo, Lu Shaojun, Wu Lingling, Zhan Chunlian. Image distortion calibration of imaging spectrometer with grating by SVM[J]. Infrared and Laser Engineering, 2014, 43(9): 3099-3104.

Citation:

Han Jun, Chang Bo, Lu Shaojun, Wu Lingling, Zhan Chunlian. Image distortion calibration of imaging spectrometer with grating by SVM[J]. Infrared and Laser Engineering, 2014, 43(9): 3099-3104.

SVM 的光栅成像光谱仪图像畸变校准方法

1.
西安工业大学光电工程学院,陕西西安710032;
2.
西安应用光学研究所,陕西西安710065

基金项目:

国防科工局（J092010A002）;西安市科技计划项目（CXY12188（2））

作者简介:
常波（1987- ），男，硕士生，主要从事色散成像光谱仪等方面的研究。Email：diudiulucky123@126.com

中图分类号: TH741

Image distortion calibration of imaging spectrometer with grating by SVM

1.
School of Optoelectronic Engineering,Xi'an Technological University,Xi'an 710032,China;
2.
Xi'an Institute of Applied Optics,Xi'an 710065,China

摘要: 成像光谱仪是一种图谱合一的光学遥感仪器。光栅成像光谱仪在获取数据立方体时，由于色散元件本身光谱展开的非线性，导致获取的条带像出现畸变，致使采样频率与拼接方式合理匹配时，获取的图像依然会出现畸变。利用边缘到中心灰度值渐变原理和遗传算法，更准确的提取畸变特征点，选择合适的参数，建立支持向量机回归数学模型，对畸变图像进行校正。与其常规畸变校正方法相比，该方法能够有效的兼顾全局校正法中存在的局部误差，提高校正精度。实验验证校正检验误差可以控制在0.5 个像素之内。
- 光栅成像光谱仪 /
- 图像畸变校正 /
- 遗传算法 /
- 支持向量机
Abstract: Imaging spectrometer was a kind of optical remote sensing instruments which combined image with spectrum. Grating imaging spectrometer can acquire data cube. When the sampling frequency and splicing was reasonable, because of the nonlinear about dispersive elements making spectral expansion, lead to the distortion of strip image, as well as the distortion of spliced image. The distortion feature points were extracted more accurate by using the gray gradient from the edge to the center and genetic algorithm. By choosing appropriate parameters, we established the support vector machine regression mathematical model to correct the distortion. Compared with the conventional distortion correction method. This method was able to balance effectively the error from the global and the local and improve the accuracy of correction. The calibration of error can be controlled within 0.5 pixels by experimental verification.
- grating imaging spectrometer /
- image dietortion calibration /
- genetic algorithm /
- support vector machine

[1]	Xu Hong, Wang Xiangjun. Applications of multispectral/hyperspectral imaging technologies in military [J]. Infraredand Laser Engineering, 2007, 2(1): 13-15. (in Chinese)许洪, 王向军. 多光谱、超光谱成像技术在军事上的应用[J]. 红外与激光工程, 2007, 2(1): 13-15.
[2]
[3]
[4]	Fang Yu, Xiang Libin, Yuan Yan, et al. Design of theairborne prism dispersive imaging spectrometer system basedon offner relay configuration [J]. Spectroscopy and SpectralAnalysis, 2013, 3(3): 841-842. (in Chinese)方煜，相里斌，袁艳，等. 基于Offner 中继结构的机载棱镜色散成像光谱仪系统设计[J]. 光谱学与光谱分析, 2013,3(3): 841-842.
[5]	V1adimir N, Vapnik V. An overview of statistical learningtheory [J]． IEEE Transsaction on Neural Networks, 1999,10(5): 988-999．
[6]
[7]	Vapnik V. Estilnation of Dependencies Based on EmpiricalData [M]. USA: Springer New York, 1981．
[8]
[9]
[10]	Yuan Huize. Study on X-ray image dirtortion correction ofsub-pixels accuracy[D]. Harbin: Harbin Institute of Technology,2009. (in Chinese)袁泽慧. 亚像素精度X 射线图像畸变校正研究[D]. 哈尔滨: 哈尔滨工业大学, 2009.
[11]	Zhao Chunhui, Chen Wanhai, Guo Chunyan. Research andanalysis of methods for multiclass support vector machines[J]. CAAI Transactions on Intelligent Systems, 2007, 2 (2):11-17． (in Chinese)赵春晖, 陈万海, 郭春燕. 多类支持向量机方法的研究现状与分析[J]. 智能系统学报, 2007, 2(2): 11-17．
[12]
[13]	Li Haisheng. Algorithm and application research of supportvector machine regression [D]. Guangzhou: South ChinaUniversity of Technology, 2005. (in Chinese)李海生. 支持向量机回归算法的研究与应用[D]. 广州: 华南理工大学, 2005.
[14]
[15]	Vapnm V, Chapelle O． Bounds on error expectation forsupport vector machines [J] ． Neural Computation, 2000,12 (9): 2013-1036．

[1]	刘云朋, 霍晓丽, 刘智超. 基于深度学习的光纤网络异常数据检测算法 . 红外与激光工程, 2021, 50(6): 20210029-1-20210029-6. doi: 10.3788/IRLA20210029
[2]	杨彦伟, 张丽丽, 郝晓剑, 张瑞忠. 机器学习结合激光诱导击穿光谱技术铁矿石分类方法 . 红外与激光工程, 2021, 50(5): 20200490-1-20200490-8. doi: 10.3788/IRLA20200490
[3]	谢俊峰, 杨晨晨, 梅永康, 韩保民. 基于遗传算法的星载激光全波形分解 . 红外与激光工程, 2020, 49(11): 20200245-1-20200245-7. doi: 10.3788/IRLA20200245
[4]	汪子君, 邱俨睿, 杨宏霄, 孙磊. 基于鲁棒Otsu的红外无损检测缺陷分割算法 . 红外与激光工程, 2019, 48(2): 204004-0204004(9). doi: 10.3788/IRLA201948.0204004
[5]	邹媛媛, 李鹏飞, 左克铸. 三线结构光视觉传感器现场标定方法 . 红外与激光工程, 2018, 47(6): 617002-0617002(6). doi: 10.3788/IRLA201847.0617002
[6]	张东阁, 傅雨田. 基于一类支持向量机的盲元检测方法 . 红外与激光工程, 2018, 47(4): 404001-0404001(7). doi: 10.3788/IRLA201847.0404001
[7]	吴军伟, 缪玲娟, 李福胜, 沈军. 改进支持向量机的光纤陀螺温度漂移补偿方法 . 红外与激光工程, 2018, 47(5): 522003-0522003(6). doi: 10.3788/IRLA201847.0522003
[8]	张长江, 戴李杰, 马雷鸣. 应用SVM的PM2.5未来一小时浓度动态预报模型 . 红外与激光工程, 2017, 46(2): 226002-0226002(8). doi: 10.3788/IRLA201746.0226002
[9]	孙国栋, 秦来安, 程知, 何枫, 侯再红. 成像激光雷达测量大气能见度实验研究 . 红外与激光工程, 2017, 46(10): 1030003-1030003(9). doi: 10.3788/IRLA201766.1030003
[10]	季淑英, 孔伟金, 李娜, 车卫康, 司维, 徐志恒. 800 nm亚波长夹层式金属偏振分束光栅 . 红外与激光工程, 2017, 46(8): 820002-0820002(6). doi: 10.3788/IRLA201746.0820002
[11]	张文涛, 李跃文, 占平平, 熊显名. 基于太赫兹时域光谱技术与PCA-SVM的转基因大豆油鉴别研究 . 红外与激光工程, 2017, 46(11): 1125004-1125004(6). doi: 10.3788/IRLA201746.1125004
[12]	张东阁, 傅雨田. 基于在线最小二乘支持向量机的变形镜建模与控制 . 红外与激光工程, 2016, 45(11): 1118007-1118007(7). doi: 10.3788/IRLA201645.1118007
[13]	贾文抖, 范春利, 孙丰瑞, 杨立. 基于红外测温的内部点热源的识别 . 红外与激光工程, 2015, 44(3): 837-844.
[14]	李艳辉, 厉明, 周凌, 张楠. 基于模型匹配的光电侦察无人机飞行控制器设计方法 . 红外与激光工程, 2015, 44(2): 693-698.
[15]	刘超明, 娄淑琴. 基于遗传算法的光纤光栅交叉敏感解调研究 . 红外与激光工程, 2015, 44(6): 1859-1864.
[16]	劳达宝, 周维虎, 李万红, 石冬, 林心龙. 基于遗传算法的柱面光栅测角技术研究 . 红外与激光工程, 2015, 44(7): 2182-2188.
[17]	毛海岑, 刘爱东, 王亮. 采用混合粒子群算法的星图识别方法 . 红外与激光工程, 2014, 43(11): 3762-3766.
[18]	卞春江, 余翔宇, 侯晴宇, 张伟. 最小化支持向量数分类器的云检测 . 红外与激光工程, 2014, 43(6): 1818-1822.
[19]	李庆辉, 李艾华, 苏延召, 马治明. 结合FCM聚类与SVM的火焰检测算法 . 红外与激光工程, 2014, 43(5): 1660-1666.
[20]	蔡义, 汪红熳, 亓波. 星地激光通信无波前传感器优化算法仿真分析 . 红外与激光工程, 2013, 42(4): 1063-1068.

WeChat

点击查看大图

计量

文章访问数: 262
HTML全文浏览量: 33
PDF下载量: 216
被引次数: 0

SVM 的光栅成像光谱仪图像畸变校准方法

1. 西安工业大学光电工程学院,陕西西安710032;

2. 西安应用光学研究所,陕西西安710065

作者简介:
常波（1987- ），男，硕士生，主要从事色散成像光谱仪等方面的研究。Email：diudiulucky123@126.com

收稿日期: 2014-01-05
修回日期: 2014-02-10
刊出日期: 2014-09-25

基金项目:

国防科工局（J092010A002）;西安市科技计划项目（CXY12188（2））

中图分类号: TH741

关键词:

摘要: 成像光谱仪是一种图谱合一的光学遥感仪器。光栅成像光谱仪在获取数据立方体时，由于色散元件本身光谱展开的非线性，导致获取的条带像出现畸变，致使采样频率与拼接方式合理匹配时，获取的图像依然会出现畸变。利用边缘到中心灰度值渐变原理和遗传算法，更准确的提取畸变特征点，选择合适的参数，建立支持向量机回归数学模型，对畸变图像进行校正。与其常规畸变校正方法相比，该方法能够有效的兼顾全局校正法中存在的局部误差，提高校正精度。实验验证校正检验误差可以控制在0.5 个像素之内。

English Abstract

全文HTML

参考文献 (15)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回