- 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。
2.2K31发布于 2021-08-06 - 来自专栏机器视觉产品资料查询平台
多光谱与高光谱工业相机技术原理与差异
多光谱与高光谱工业相机通过捕捉传统RGB相机无法获取的波长信息，实现了更精细的分析和高维数据解读。该技术正迅速在农业、医疗、半导体等多个领域得到广泛应用。 光谱成像（Spectral Imaging）是一种利用不同波长范围的光线来分析物体光学特性的技术。 普通相机拍摄的是人眼可见的整个可见光波段，而光谱成像技术则将光线划分为多个波长段进行感测，从而实现对物质特性的分析与分类。1、高光谱相机通过棱镜光谱仪技术检测数百个连续的波长段。 3、多光谱相机与高光谱相机的区别多光谱（Multispectral）与高光谱（Hyperspectral）相机均可检测可见光及不可见光（红外、紫外等）中的特定波长，但主要区别在于波段数量与连续性。 4、 R、G、B 多光谱与高光谱相机对比分析为了从普通RGB相机获取光谱信息，通常需要使用额外的滤光片或特定波长的照明设备。为了获得多波长数据，环境配置往往需要投入大量时间和精力。
21810编辑于 2026-01-29 - 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
45010编辑于 2025-09-03 . | 用于低光高通量拉曼高光谱成像的自优化光谱距离方法
DRUGONE 拉曼高光谱成像通过结合振动光谱与空间成像，能够在分子层面解析样品的化学组成与空间分布信息。 拉曼高光谱成像因其非破坏性、无需复杂样品制备以及高空间与高光谱分辨率等优势，已广泛应用于生物医学、材料科学及药物分析等领域。传统拉曼高光谱成像依赖逐点或逐线扫描，每个空间位置均需采集完整光谱。 细胞成像增强 在动态草履虫样本及三维胃上皮细胞拉曼成像实验中，SSD显著提升了细胞核、细胞质与细胞膜的分离效果。与原始数据相比，SSD重建结果在三维体数据中展现出更清晰的结构边界和更稳定的光谱特征。 空间与光谱总变分分析表明，SSD有效降低了噪声波动，提升了结构连续性。 图3：基于SSD的细胞拉曼高光谱成像。 总体而言，SSD为低光条件下的高通量拉曼高光谱成像提供了一种通用、高效且无需监督数据的新型解决方案，为生物医学成像、材料分析及药物检测等领域的快速成像应用提供了重要技术支持。
17520编辑于 2026-03-03- 来自专栏视觉检测
高光谱成像：分析波长，可视化细微的色彩、材质差异和异物
近年来，各领域利用高光谱成像技术进行检测的市场规模不断扩大，对高光谱相机和相应光源的需求也随之增加。什么是高光谱成像？ 高光谱成像是一种利用具有高波长分辨率获取图像功能的高光谱相机和相应照明获取图像的技术。通过拍摄和可视化物体的反射光，可以执行通常相机难以实现的检测，如成分分析，异物检测和高精度的颜色识别。 PART 01应用案例 塑料制品的颜色识别目视难以识别的颜色存在细微差异的塑料板高光谱相机的输出数据分析光谱的差异,对细微的色差进行分类。 白米饭异物检测青色：白米 绿色：纸张红色：树脂同色系异物分类塑料分类蓝色：PS 绿色：PET红色：PP3种材质的差异分类PART 02用于高光谱成像的LED光源 LED光源可实现400-1000nm的宽范围发光光谱配合高光谱相机的感光度特性 (定制)输出波长和成像波长范围
14710编辑于 2025-12-26 - 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 ? ? ?
1K20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。
1.1K10编辑于 2022-02-28 基于小波变换的多光谱与全色图像融合MATLAB实现
基于小波变换的多光谱与全色图像融合MATLAB实现一、核心方法原理小波变换优势多尺度分析：通过低频（平滑）和高频（细节）分解保留光谱与空间信息方向选择性：双树复小波（DT-CWT）具有更好方向性平移不变性 ：避免传统DWT的移位敏感性问题典型融合策略策略类型低频分量处理高频分量处理适用场景加权平均多光谱低频×权重全色高频×权重通用场景系数替换保留多光谱低频替换为全色高频强调空间细节稀疏表示字典学习融合稀疏系数最大值选择复杂纹理场景二 、MATLAB实现代码（基于DWT）1.图像预处理%%读取图像pan=imread('pan.tif');%全色图像ms=imread('ms.tif');%多光谱图像（3波段）%%尺寸匹配[m,n, ~]=size(pan);ms=imresize(ms,[m,n]);%调整多光谱尺寸%%分解层数设置level=3;%建议1-3层wavelet='db4';%Daubechies小波基2.小波分解 %%全色图像分解[C_pan,S_pan]=wavedec2(pan,level,wavelet);%%多光谱图像分解C_ms=cell(1,3);S_ms=cell(1,3);forband=1:3
18910编辑于 2026-03-18- 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。
70510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。
60810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
50610编辑于 2022-09-20 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。
33010编辑于 2025-09-10- 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
1.1K20发布于 2020-12-11 - 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。
3.8K30发布于 2021-07-22 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。
30310编辑于 2025-06-03- 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。
22210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。
1.5K10编辑于 2024-03-19 - 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
69150编辑于 2023-09-18 - 来自专栏《ArcGIS微课实验1000例(附数据
【ArcGIS微课1000例】0066：图像融合（全色+多光谱）操作案例教程
本文讲解ArcGIS中图像增强：融合（高光谱+多光谱）操作案例教程。 一、图像融合概述 图像融合是指将不同类型传感器的影像进行融合，既能使图向具有较高的空间分辨率，又具有多光谱的特性。 二、图像融合案例 本文以SPOTS卫星高光谱影像和Landsat多光谱影像为例，演示ArcGIS中图像融合的操作步骤。 1. 加载数据 加载配套实验数据包data056.rar中的spots.img和dmtm.img，如下图所示： 打开两个影像的元数据，查看其空间分辨率，可以看到高光谱影像的分辨率为32.81米，多光谱影像的分辨率为 着色图层：选择多光谱dmtm，指定要平移锐化的彩色图像。这可以是3或4波段多波段图像，或RGB图像。 平移图层：选择高光谱spots，这必须是单波段图像。 融合后的影响与分辨率较低的多光谱影像对比： 融合后的影响与分辨率较高的高光谱影像对比： 可以看到，融合进结果其实就是将高光谱数据变成了彩色的。 本实验到此结束，感谢！
30010编辑于 2026-01-13 - 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。
1.1K10编辑于 2024-03-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号