首次提出基于Savart偏光镜的图像、光谱、偏振态多维信息一体化获取技术；研制了星载原理样机，开展了模拟星载探测实验

一、先进遥感仪器—成像光谱仪具有自主知识产权；国际上首台 偏振干涉成像光谱仪（机载、星载、地面），参加了 国家“十一五”重大科技成就展。成果：国家 863 项目 2 项；国家自然基金 2 项；获授权发明专利 3 项；发表 SCI 论文 80 余篇；出版专著 1 部。地面样机机载样机星载样机二、先进遥感仪器—偏振成像光谱仪研发成果：首次提出基于 Savart 偏光镜的图像、光谱、偏振态多维信息一体化获取技术；研制了星载原理样机，开展了模拟星载探测实验。成果：获国家 863 计划 1 项；国家自然科学基金 2 项；发表 SCI 论文 20 余篇；获授权发明专 5 项。-- 38 --西安交通大学国家技术转移中心三、偏振成像光谱仪仪器特性：高空间/高光谱分辨率 NISP、短波/中波红外波段 NISP（高科技，具有相机、光谱仪、偏振仪全部功能、具有地理信息导航及时间、气象信息；具备精确定位功能，并与仪器有机结合、适合于农业、工业、环保、军事、民用探测要求。具备鲁棒性、成本低，小型轻量，结构紧凑，结实，易维护、维修，抗振抗冲击，抗高低温，自动控制，可编程，可联网、适合于大力推广。应用领域可用于农

先进遥感仪器—成像光谱仪研发成果：自行研发，具有自主知识产权；国际上首台偏振干涉成像光谱仪（机载、星载、地面），参加了 国家“十一五”重大科技成就展。国家863项目 2 项；国家自然基金 2 项；获授权发明专利 3项；发表SCI论文 80 余篇；出版专著 1 部先进遥感仪器—偏振成像光谱仪研发成果：首次提出 基于Savart偏光镜的图像、光谱、偏振态多维信息一体化获取技术；研制了 星载原理样机，开展了模拟星载探测实验。成果：获国家863计划 1 项；国家自然科学基金 2 项；发表SCI论文20余篇；获授权发明专5项。

本发明提供了一种基于空间相关性的高光谱数据降噪方法及系统，进行投影变换，求解高光谱数据 中各个波段所成图像的平均图像，计算高光谱数据的协方差矩阵并进行特征值分解得到变换矩阵和特征 值矩阵，利用变换矩阵将高光谱数据进行线性投影，得到变换域中的三维数据；根据特征值矩阵选择降 噪阈值；降噪，包括对降噪阈值以内的变换域中的三维数据进行保留，对阈值以外的变换域中的三维数 据进行降噪处理；投影反变换，包括利用所述变换矩阵的逆矩阵对降噪后的变换域中的三维数据进行线 性投影，重构得到降噪后的高光谱数据。本发明在降噪处理过程中，对于空间域的相关性充分保护，很 好地降低了高光谱数据的噪声量级，提高了高光谱数据的信噪比。 

产品详细介绍 　　SOC710VP® 便携高光谱成像光谱仪, 可以随时随地获得光谱影像！ 无论是在温室、 野外或者实验室，SOC710VP 都能实时获得400-1000nm波长范围内的光谱数据。　　在农林业、植物科学、矿业、水环境及海洋学等应用领域内，SOC710VP 都是非常理想的高光谱成像系统，SOC710VP性能高、超便携、坚固且性价比高。12-bit动态范围的阵列成像CCD和精确的出厂标定使得获得的数据误差非常小。　　SOC710VP 采用内置扫描设计，不需要沉重且耗电的扫描云台，设计非常紧凑、使用方便、便携。USB 2.0 接口方便和各种电脑连接。软件界面简单易用。分析功能包括比色法、光谱辐射线测定和遥感方法。高质量数据：　　SOC710VP具有新式内置扫描设计及12-bit动态范围的阵列成像CCD，能够获得的400-1000nm波长范围的高质量数据。SOC710VP还配备了美国NIST（美国国家标准与技术研究院）溯源校准板，确保数据的准确性灵活性：　　SOC710VP可在飞机--通量塔--地面等不同尺度测量光谱数据并成像，或连接生物显微镜，测量微观样品的光谱信息；还可以进行定点长期连续测量，适应于各种应用环境便携性：　　SOC710VP重量只有3Kgs，可以安装在三脚架上进行野外移动式测量，USB接口方便和电脑连接使用    易用性：　　利用特制的多功能野外操作支架，SOC710可以非常方便地实现垂直向下测量，而不需要额外配备任何沉重耗电的其他部件，当然，这也得益于SOC系列成像光谱仪的内置式扫描设计。SOC710还可以仅通过多功能支架，即可实现360°扫描，使得野外操作极为便捷。下面是SOC710垂直使用示意图，不需增加其他任何部件。技术参数：　光谱范围：400-1000 nm　速度：30 行/秒    每行像素：696　23.2 秒/cube (696 by 520 cube)　分 辨 率：4.6875 nm　波　　段：128个　镜头类型：C-Mount　动态范围：12-bit　重量：2.95 Kg (6.5 lbs)　校　　准：美国NIST溯源标准的校准板　尺寸：9.5 x 16.8 x 22cm  (3.75 x 6.62 x 8.66in.)　焦　　距：可调 (基于所用镜头)　耗电：12-VDC / 100-240VAC (50-60Hz)　　系统包括SOC分析软件用来标定和数据分析，数据存储格式为二进制，也可以通过第三方高光谱分析软件读取，如：ENVI软件品牌发展　　SOC具有20多年光谱成像经验，在实时光谱成像领域里具有多项专利，获得美国海军及陆军多次SBIR奖，并获得美国NASA科技创新奖软件支持　　软件更新，常见问题解答 ，软件培训和系统标定文档都可从SOC在线支持站点下载 系统要求：　　Windows XP系统　　USB 2.0 接口　　1 G内存　　Intel Atom™ class 处理器应用领域(仅列举部分)： 环境遥感　　遥感定标　　地面验证　　分类制图　　航空遥感农林植物　　精准农业　　土地分类　　胁迫生理　　作物健康（病/虫害检测）　　果实品质检测 水色水环境　　水质光谱测量　　藻类叶绿素测量　　水色遥感生物医药/食品　　显微分析　　生化分析机械视察　　表面检查　　机械视觉产地：美国SOC

功能特性 1、HY-50系列将自动推扫型高光谱与显微镜结合，可以借助显微镜的光路系统，配合不同倍率的物镜实现高倍率的观察与高光谱成像。  2、高空间分辨率和光谱分辨率 3、可见近红外显微系统采用透射式的光路结构，在不同放大倍率物镜下，可以清楚的观察、采集到相应的显微高光谱数据； 4、其它品牌如奥林巴斯、蔡司的生物、荧光、金相显微镜均可进行高光谱相机搭载，  应用领域 生命医药：细胞研究、药品研发、病理研究等; 电子行业：半导体检测、屏幕检测等

功能特性 HY-60系列是一种适用于野外作业、具备自动摆扫/自动推扫功能的光谱成像系统。 支持可见近红外（400-1000nm)或近红外(900-1700nm)高光谱相机； 内置推扫型号可实现自动对焦， 自动完成推扫成像，扫描范围>60°； 外摆扫型号可实现360度全景扫描，配合大仰角调节模块，覆盖超大扫描范围；支持ROI区域框选自动扫描； 积分时间和帧频可调，扫描速度自动匹配； 便携式三脚架，快速架设，易于携带；  应用领域 农业林业：病虫害监测，旱情预估，树种识别，草原长势 生态环境：水体监测，大气环境监测，土壤营养测定 考古文物：遗址确定，壁画，国画，材质鉴别，颜料分辨 地质勘探：探油，探矿，矿物填图 

功能特性  高质量成像光谱数据 适用于实验室环境，具备良好光源条件，辐射校正准确度高，并集成调焦功能的推扫式高光谱成像系统； 检测范围不低于220mm×300mm×100mm（样品高度）  全谱段光源 光源通常为碘钨灯，谱段范围为200-2500nm，可具有不同的形式：带反射片的灯管、线性聚焦光源、穹顶光源等。  专利高光谱数据时空校正 时间反射率及空间反射率双重校准，数据精度高。   应用领域 真伪鉴定：文物鉴定、艺术品鉴定等; 物质研究：烟草、药品、食品、矿石等; 刑侦文检：文件修改涂抹、笔迹鉴定等。 

一种植被多高光谱成像装置,其特征在于它包括一滤色片壳体、一光学镜头、一成像单元、放置在所述滤色片壳体中的滤色片、一滤色片更换装置、一计算机和一电源其中,所述滤色片壳体、光学镜头和成像单元顺序排列,且各中心同轴所述光学镜头与成像单元固连,且所述成像单元位于所述光学镜头的成像面上所述滤色片更换装置的控制端电连接所述计算机,所述成像单元与计算机进行数据及控制信号通信所述电源为各用电设备供电。

本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性，进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表示分类算法避免了优化求解的耗时性，同时克服了高维特征空间下数据的线性不可分性。算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取，并通过核变换方法将新特征字典投影到高维的线性核特征空间，最后利用核化协同表示算法的高效性对高光谱图像进行分类。 主要技术指标 University of Pavia 通过 ROSIS-03 传感器记录，该图像捕获了意大利帕维亚的帕维亚大学周围的市区。图像尺寸为 610×340×103，空间分辨率为 1.3 m / 像素，光谱覆盖范围为 0.43 至 0.86μm。该图像考虑了九个类别。其具有 42776 个标记样本。每类取 50 个有标记样本共 450 个样本作为训练样本。 请参阅表 1，本方法提出的高光谱图像分类方法，相比于传统分类器 SVM，OA 提高了约 18%；相比于 JSRC，OA 提高了约 5%；同时参阅表 2，展示了本成果方法的时间运行效率与相关方法的比较。该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果。 表 1 PaviaU 数据集上对比实验结果 表 2 不同数据集上时间运行对比实验结果