水面光谱数据的核回归平滑去干扰分析
红外与近红外光谱常用数据处理算法
一、数据预处理（1）中心化变换（2）归一化处理（3）正规化处理（4）标准正态变量校正（标准化处理）（Standard Normal Variate,SNV）（5）数字平滑与滤波（Smooth）（6）导数处理（Derivative）（7）多元散射校正（Multiplicative Scatter Correction,MSC）（8）正交信号校正（OSC）二、特征的提取与压缩（1）主成分分析（PCA）（2）马氏距离三、模式识别（定性分类）（1）基于fisher意义下的线性判别分析（LDA）（2）K-最邻近法（KNN）（3）模型分类方法（SIMCA）（4）支持向量机（SVM）（5）自适应boosting方法（Adaboost）四、回归分析（定量分析）（1）主成分回归（PCR）（2）偏最小二乘法回归（PLS）（3）支持向量机回归（SVR）一、数据预处理 （1） 中心化变换中心化变换的目的是在于改变数据相对于坐标轴的位置。
一般都是希望数据集的均值与坐标轴的原点重合。
若x ik 表示第i 个样本的第k 个测量数据，很明显这个数据处在数据矩阵中的第i 行第k 列。
中心化变换就是从数据矩阵中的每一个元素中减去该元素所在元素所在列的均值的运算：u ik k x x x =- ，其中k x 是n 个样本的均值。
(2) 归一化处理归一化处理的目的是是数据集中各数据向量具有相同的长度，一般为单位长度。
其公式为：'ik x =归一化处理能有效去除由于测量值大小不同所导致的数据集的方差，但是也可能会丢失重要的方差。
（3）正规化处理正规化处理是数据点布满数据空间，常用的正规化处理为区间正规化处理。
其处理方法是以原始数据集中的各元素减去所在列的最小值，再除以该列的极差。
min()'max()min()ik ik k k x xk x x x -=-该方法可以将量纲不同，范围不同的各种变量表达为值均在0~1范围内的数据。
物理实验技术中测量结果偏差的分析处理
物理实验技术中测量结果偏差的分析处理物理实验技术在科学研究中起着非常重要的作用。
无论是在实验室中进行的基础实验还是在应用领域中的实验，都需要精确的测量结果来支持理论的验证或应用的实施。
然而，在实际操作中，测量结果往往会存在一定的偏差，这可能会对实验结果的准确性产生一定影响。
因此，对测量结果的偏差进行分析和处理是物理实验技术中的重要一环。
首先，我们需要了解测量结果的偏差是如何产生的。
在实验过程中，有许多因素可能会导致测量结果与真实值之间存在差异。
例如，仪器的精度、环境的影响、人为误差以及测量方法的局限性等。
这些因素会在测量数据中引入不确定性，进而产生测量结果的偏差。
为了分析和处理测量结果的偏差，科学家们提出了一系列统计方法和数据处理技术。
其中，最为常见和直观的方法是对测量数据进行统计分析。
通过计算平均值、标准差等统计参数，可以初步了解测量结果的集中趋势和离散程度。
统计分析还可以帮助检测是否存在异常值或数据正态性等问题，从而确定是否需要进一步处理。
另一种常见的处理测量偏差的方法是数据校正。
校正方法的核心思想是依靠已知的准确测量结果来修正实验结果的偏差。
这可以通过校正因子、回归分析等数学模型来实现。
例如，在电阻测量中，我们可以使用标准电阻器来校正仪器的漂移和误差。
同样地，在光谱分析中，我们可以使用标准光源来修正光谱仪的读数误差。
除了统计分析和数据校正外，还有其他一些常见的处理测量偏差的方法。
比如，可以进行数据平滑处理以减小测量数据的波动。
这可以通过滤波技术或数据插值方法来实现。
另外，还可以进行误差传递分析，即通过分析不同误差来源对最终结果的影响，确定主要和次要误差源，并采取相应的措施降低误差。
尽管有了这些处理测量偏差的方法，但我们仍然需要注意一些潜在的误区和局限性。
首先，我们必须考虑到实验条件和测量仪器本身的限制。
例如，某些实验可能需要在特定温度和湿度条件下进行，以确保测量结果的准确性。
此外，我们还需要对选择的统计方法和数据处理技术有一定的了解和熟悉，以避免误用或错误解释。
利用低秩分解去除水下图像后向散射干扰的方法研究
利用低秩分解去除水下图像后向散射干扰的方法研究作者：***来源：《江苏理工学院学报》2020年第04期摘要：區别于陆地，环境光在水下传播时存在吸收散射现象，水下成像过程中伴有散射效应，采集得到的水下图像存在视觉退化问题，其中后向散射在原始图像上形成的“雾化”背景是图像对比度降低的主要原因。
如何减小后向散射造成的影响，是目前水下图像复原技术所关注的主要问题。
基于低秩矩阵分解算法，提出一种新的去除目标后向散射噪声的方法，利用稀疏和低秩矩阵分解将散射分量与目标图像分离，达到去除后向散射的目的。
仿真实验结果表明，该方法可以有效提高全局图像对比度。
关键词：水下图像;后向散射;低秩矩阵;图像复原中图分类号：TP391.41 文献标识码：A 文章编号：2095-7394（2020）04-0071-07随着海洋经济发展和海洋军事活动的多样化，对海洋观测和探测开发的需求迅速增长，使得水下集成作业平台和水下传感技术成为近十几年来的研究热点[1-3]。
目前，声纳技术在大范围探测与远距离通讯方面仍是水下主要的传感手段，其空间分辨率和轻便性也在不断提高，但在近距观测和目标识别方面，光学传感技术由于能够提供更高的时空分辨率和更丰富的图像信息而具有不可替代的优势。
水下光传感技术的主要优势在于，它能够实时获取比声传感更丰富的场景信息。
虽然水下图像处理具有众多的应用，但水下成像环境极其复杂：一方面，水体对光的散射和水中的悬浮杂质等的干扰会使水下图像含有很强的噪声，导致图像质量下降，增加了人们获取信息的难度;另一方面，水体对不同波长的光的吸收强度不同，进而导致衰减程度不同，造成成像色彩的退化，使图像呈现绿色或蓝色，如图1所示。
深入了解水下图像退化过程及原理，对降质图像进行恢复，最大程度保留目标信息、去除噪声等的干扰来还原真实图像，能够为后续的目标识别等提供预处理功能，并获得大量在科学、经济和军事等领域具有实际应用价值的信息。
由于受细小颗粒物，如水分子以及浮尘、泥沙、小型微生物等悬浮物的阻挠，光波在水下的传播会偏离原有的传播轨迹，从而产生散射现象[4]。
光谱分析技术及应用.doc
第一章绪论第一节光学分析的历史及发展1．吸收光谱：由于物质对辐射的选择性吸收而得到的光谱。
2．发射光谱：构成物质的各种粒子受到热能、电能或者化学能的激发，由低能态或基态跃迁到较高能态，当其返回基态时以光辐射释放能量所产生的光谱。
第二章光谱分析技术基础第一节电磁辐射与波谱1．电磁辐射的波动性（1）散射丁铎尔散射和分子散射两类。
丁铎尔散射：当被照射试样粒子的直径等于或大于入射光的波长时。
分子散射：当被照射试样粒子的直径小于入射光的波长时。
分为瑞利散射（光子与分子相互作用时若没有能量交换）和拉曼散射（有能量交换）。
（2）折射和反射全反射：当入射角增大到某一角度时，折射角等于90，再增大入射角，光线全部反射回光密介质中，没有折射。
（3）干涉当频率相同，振动方向相同，周相相等或周相差保持恒定的波源所发射的电磁波互相叠加时，会产生波的干涉现象。
（4）衍射光波绕过障碍物而弯曲地向它后面传播的现象。
2．电磁波的粒子性光波长越长，光量子的能量越小。
光子：一个光子的能量是传递给金属中的单个电子的。
电子吸收一个光子后，能量会增加，一部分用来挣脱束缚，一部分变成动能。
3．物质的能态当物质改变其能态时，它吸引或发射的能量就完全等于两能级之间的能量差。
从低能态到高能态需要吸收能量，是为吸收光谱，即吸光度对波长或频率的函数。
从高能态到低能态需要释放能量，是为发射光谱。
第二节原子吸收光谱分析1．当原子吸引能量的时候，按能量数量使核外电子从一级跃迁到另一级，这与吸收的能量有关。
吸收能量的多少与原子本身和核外电子的状态有关。
第三节 分子吸收与光谱分析1．分子吸收与原子的不同在于，分子还需要转动跃迁、振动跃迁、电子跃迁等几个能级。
2．朗伯-比尔（Lambert-Beer ）法则：设某物质被波长为λ、能量为的单色光照射时，)(0λI 在另一端输出的光的能量将出输入光的能量低。
考虑物质光程长度为L 中一个薄层)(λt I ，其入射光为，则其出射光为。
光谱数据预处理sg平滑策略 -回复
光谱数据预处理sg平滑策略-回复光谱数据预处理是光谱分析的重要步骤，用于消除噪音、提高信号质量和增强特征。
其中，sg平滑策略是一种常用的预处理方法。
本文将一步一步介绍光谱数据预处理中的sg平滑策略，并分析其原理和应用。
第一步：了解光谱数据的基本概念光谱是指将光信号按照不同波长进行排序的结果。
光谱数据则是对光信号进行数值化处理后得到的一系列数值数据。
光谱数据通常表现为曲线状，其中，波峰代表特定的化合物或分子，波谷则代表两个波峰之间的基线。
在分析光谱数据前，需要对数据进行预处理，以去除噪音和增强有效特征。
第二步：了解sg平滑策略的原理sg平滑策略是一种基于最小二乘多项式拟合的平滑方法。
它的全称是Savitzky-Golay平滑策略，由Abraham Savitzky和Marcel J. E. Golay 于1964年提出。
它通过在每个数据点的邻域内拟合一个多项式，并用该多项式替代原始数据点，从而得到平滑后的曲线。
第三步：sg平滑策略的应用步骤1. 确定窗口大小（window size）和多项式阶数（polynomial order）：首先需要确定sg平滑策略中的两个重要参数，即窗口大小和多项式阶数。
窗口大小决定了每个数据点的邻域范围，一般选择奇数值，通常在5到15之间。
多项式阶数决定了拟合曲线的平滑度，一般选择1到3之间的整数。
2. 计算拟合系数（fitting coefficients）：在每个数据点的邻域内，根据窗口大小和多项式阶数进行最小二乘多项式拟合，得到相应的拟合系数。
3. 进行拟合曲线计算：通过拟合系数，可以得到在每个数据点处的拟合曲线值。
4. 替代原始数据点：用拟合曲线的值替代原始数据点，得到平滑后的光谱数据。
第四步：sg平滑策略的优点和缺点sg平滑策略相比其他平滑方法具有以下优点：1. 能够同时平滑光谱的波峰和波谷，从而更好地保留原始光谱的特征。
2. 对于具有突变的光谱数据，sg平滑策略不会引入额外的振荡，有较好的平滑效果。
第五章 观测数据的平滑与滤波 - 南京大学天文与空间科学学院
Q
N k
a j 0
l l i j N i 1
(a0 a t )ti x(t i )ti j
i 1 l 1
观测数据的平滑与滤波
二 周期拟合平滑
p (t i ) A j cos(ω j t i φ j ) ω j已知
j 1 k k
p (t i ) (α j cos ω j t i β j sin ω j t i )
0
带通
f1 , f 2
2.2 2.0 1.8 1.6 1.4 1.2 1.0 2.2 2.0 1.8 1.6 1.4 1.2 1.0 2.2
1e-5 Hz Low Pass
1e-61.2 1.0
利用高斯权函数进行低通滤波 a满足Hc=0.99
r ( M 1) h0 r (τ ) r ( M 2) h1 r ( τ 1) r (0) hM 1 r ( τ M 1)
{xk } {r (n)} {hn } xk τ
i 1 N
观测数据的平滑与滤波
特点： 1. 不丢失平滑点；
2. 不要求等间隔； 3. 能得到任意时刻的平滑内插值。
频率响应函数
1
H ( f ) exp(2π 2 f 2 a 2 ) 压制带 通过带 过渡带
低通 高通
fc fc
H ( f c , a) 1 a H ( f c , a) 0 a x(t i , a1 ) x (t i , a 2 ) x(t i , a 2 ) x (t i , a1 )
n 1 x(t k ) 简单平均 x(t ) 2n 1 k n n 加权平均 x(t ) α k x(t k ) k n
光谱数据预处理sg平滑策略 -回复
光谱数据预处理sg平滑策略-回复光谱数据预处理sg平滑策略是一种常用的数据处理方法，用于在光谱数据中去除噪声和平滑谱线。
本文将逐步解释sg平滑策略的原理和步骤，并讨论其在光谱数据预处理中的应用和效果。
第一部分：光谱数据预处理的重要性和挑战光谱是将样本的辐射或吸收情况与波长关联起来的数据集。
在许多领域中，如化学、生物学和环境监测等，光谱数据被广泛应用于定量和定性分析。
然而，实际测量中常常存在一些噪声，例如仪器漂移、样本杂质等，这些噪声会干扰到我们对样本特征的判断。
因此，光谱数据预处理是必不可少的步骤，用于去除噪声和提取有效信息。
在光谱数据预处理中，平滑处理是一项关键技术。
它可以在保留数据趋势的同时，消除噪声和波动，使谱线更加平滑和连续。
在众多的平滑方法中，sg平滑策略是一种常用的非参数方法，它基于样本点的局部加权回归，能够更好地处理数据中的噪声。
第二部分：sg平滑策略的原理和步骤sg平滑策略，即Savitzky-Golay平滑策略，是一种多项式平滑方法。
它通过拟合局部多项式来估计噪声，并用估计值代替真实值，以达到平滑数据的目的。
sg平滑理论基于如下公式：y = ∑(ai * x^(i))其中，y为平滑后的数据，x为原始数据，ai为多项式系数。
sg平滑的目标是选择合适的多项式阶数和窗口大小，使得平滑后的数据既能够尽量保留原始数据的特征，又能有效地去除噪声。
sg平滑策略的步骤如下：1. 确定多项式阶数和窗口大小：多项式阶数决定了拟合的灵活性，窗口大小决定了局部的拟合观测点个数。
根据具体问题和数据特点，选择合适的多项式阶数和窗口大小。
2. 确定拟合点个数：拟合点个数指窗口中选取的点的个数。
一般而言，选择窗口中点的个数等于拟合多项式的阶数加一。
3. 计算多项式拟合系数：利用最小二乘法计算多项式拟合系数，得到拟合的多项式。
4. 估计平滑后的数据：将多项式拟合系数代入多项式公式，计算平滑后的数据。
第三部分：sg平滑策略在光谱数据预处理中的应用和效果sg平滑策略在光谱数据预处理中有着广泛的应用。
光谱信息的分析与处理
光谱信息的分析与处理光谱信息是指物质在特定波长下所产生的吸收、反射或发射特性，是研究物质的组成、结构、性质等方面的重要手段。
光谱信息的分析与处理是以光谱技术为基础，在数据处理、信息提取等方面进行研究的一门学科。
下面，本文将着重从光谱数据的获取、预处理和分析三个方面来探讨光谱信息的分析与处理。
一、光谱数据的获取光谱数据的获取是光谱信息分析与处理的第一步，也是最为关键的一步。
目前常用的光谱技术有紫外-可见光谱、荧光光谱、拉曼光谱、红外光谱和核磁共振光谱等。
这些光谱技术可以分为离线获取和在线获取两种方式。
离线获取是指在实验室等封闭环境中，通过样品准备、检测仪器调整、参数设置等步骤获得样品的光谱图像。
在线获取是指在线监测等生产环境中，通过植入式探头、数字CCD摄像机等方式获得样品的光谱信息。
无论是离线获取还是在线获取，都需要检测仪器的精度和灵敏度高，并且需要进行标定和质控，确保数据的准确性和可靠性。
二、光谱数据的预处理预处理是指在原始数据中提取有效信息，去除干扰和噪声等预处理步骤。
常用的预处理技术包括数据平滑、基线校正、偏移校正、峰识别、光谱数据标准化等。
这些预处理技术可根据实验需要进行组合或选用其中一个进行处理。
数据平滑是利用平滑函数来去除数据中的噪声。
常用的平滑函数有移动平均、中位数滤波、高斯平滑等。
基线校正是去除样品中吸收背景、仪器累积误差等基线信号。
经典的基线校正方法有多项式基线校正、小波基线校正、斯佩克尔插值基线校正等。
峰识别是通过整个谱图的峰形状、峰的位置等特征提取。
峰形状特征可通过第二导数、峭度、波峰宽度等指标来判断。
峰的位置特征可通过等高线法、谷底法等进行确定。
标准化是对光谱数据进行归一化处理，使得在不同光谱图像中，相关物质的光谱信号差异不会影响结果。
常用的标准化方法有最小最大标准化、z-score标准化等。
这些预处理技术需要根据具体的实验需要和目的来选择和组合，以提高光谱数据分析的准确性和稳定性。
原子光谱的谱线分析方法与数据处理
原子光谱的谱线分析方法与数据处理引言：原子光谱是研究原子结构和性质的重要手段之一。
通过观察原子在特定能级之间的跃迁所产生的光谱线，可以得到有关原子的信息。
谱线分析方法和数据处理是原子光谱研究的关键环节，本文将介绍一些常用的谱线分析方法和数据处理技术。
一、原子光谱的谱线分析方法1. 光谱仪的选择光谱仪是进行原子光谱分析的重要设备，常用的光谱仪包括光栅光谱仪、干涉仪和衍射仪等。
不同的光谱仪具有不同的分辨率和灵敏度，选择合适的光谱仪对于准确分析原子光谱非常重要。
2. 谱线的识别原子光谱中的谱线非常丰富，谱线的识别是谱线分析的第一步。
常用的谱线识别方法包括比对实验谱线与已知谱线数据库、利用谱线的波长和强度特征进行识别等。
3. 谱线的测量谱线的测量是谱线分析的核心步骤。
常用的谱线测量方法包括单线法、多线法和连续波法等。
单线法测量一条谱线的强度，多线法测量多条谱线的强度并进行比较，连续波法则通过连续光源对比谱线进行测量。
二、原子光谱数据的处理1. 数据的收集与整理实验过程中得到的原子光谱数据需要进行收集和整理。
首先，将实验得到的光谱数据记录下来，包括波长、强度等信息。
然后，对数据进行整理，去除异常值和噪声，以保证后续数据处理的准确性。
2. 数据的校正与标定原子光谱数据的校正与标定是数据处理的重要环节。
校正包括背景校正、仪器响应校正等，以消除仪器和环境因素对光谱数据的影响。
标定则是将光谱数据与已知标准进行对比，确定光谱数据的准确性和可靠性。
3. 数据的分析与解释通过对原子光谱数据的分析与解释，可以得到有关原子性质和结构的信息。
常用的数据分析方法包括谱线强度分析、谱线形状分析和谱线位置分析等。
通过对谱线的强度、形状和位置等特征进行分析，可以揭示原子的能级结构和跃迁规律。
4. 数据的模拟与拟合对于复杂的原子光谱数据，常常需要进行模拟和拟合。
通过建立适当的模型和拟合曲线，可以更好地理解和解释实验数据。
常用的数据模拟和拟合方法包括线性回归、非线性拟合和最小二乘法等。
光谱分析实验技术及其数据处理方法
光谱分析实验技术及其数据处理方法光谱分析是一种广泛应用于物理、化学、生物和地球科学等领域的实验技术。
通过对物体辐射或吸收光的特性进行测量与分析，可以获取丰富的信息，从而揭示物质的微观结构和性质。
本文将介绍光谱分析的基本原理和常用的实验技术，以及数据处理方法。
1. 光谱分析的基本原理光谱分析是利用物质对特定波长的光的吸收或发射特性进行检测与分析的方法。
根据光谱的来源和特征，可以分为吸收光谱和发射光谱两种类型。
吸收光谱是通过测量物质对特定波长光的吸收程度来获得信息的方法。
当物质受到激发或处于特定的能级时，会对特定波长的光发生吸收，使光束经过物质后强度减弱。
通过测量光的强度变化可以推导出物质在不同波长下的吸收特性，从而了解物质的组成和结构。
发射光谱则是测量物质在受到能量激发后发射特定波长的光。
当物质受到能量输入后，处于激发态的原子或分子从高能级向低能级跃迁时，会发射特定波长的光子。
通过测量发射光的强度和波长可以获得物质的发射特性，进而研究物质的成分和性质。
2. 常用的光谱实验技术在光谱分析中，常用的实验技术包括紫外可见光谱、红外光谱、拉曼光谱、荧光光谱等。
这些技术根据所使用的光源、光谱的测量方式和光学元件的不同，可以提供不同的物理信息。
紫外可见光谱（UV-Vis）是根据物质对紫外和可见光的吸收特性进行分析的方法。
通过测量物质对不同波长光的吸收程度，可以获得物质的吸收光谱图，进而分析其成分和浓度。
红外光谱（IR）则是利用物质对红外光的吸收特性进行分析的方法。
红外光谱可以提供物质的化学键信息，用于研究物质的结构、功能和反应机理等。
常用的红外光谱技术包括傅里叶变换红外光谱（FTIR）、近红外光谱（NIR）等。
拉曼光谱是利用物质对光散射的特性进行分析的方法。
当光线与物质相互作用后，会发生拉曼散射现象，从而产生拉曼光谱。
拉曼光谱可以提供物质的分子振动信息，用于研究物质的结构、杂质检测和反应动力学等。
荧光光谱是通过测量物质在受到紫外或可见光激发后放出的荧光光信号进行分析的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｉ ｔｒ ｒ ｎ ｅ ｄ ｓｕ ｂ ｎ ｅ ｔｐ ，ｉ ｅ ｎ ｅ ｅ ｅ ｃ ｉｔ ｒ ａ ｃ ｙ ｅ ． ．Ｎｏ ｍａ ｉｔ ｂ ｔ ｆ ｒ ｌｄ ｓｒ ｕｅ，Ｒ ｙ ｅｇ ｉｔ ｂ ｔ ，Ｅ ｐ ｎ ｎ ｉｌ ｄ ｓ ｂ ｔ ｎ ｏ ｓ ｏ ｉｔ ｂ ｉ ａ ｌｉ ｈ ｄ ｓ ｉ ｕ ｅ ｒ ｘ ｏ ｅ ｔ ｉｔ ｕ ｅ ａ ｄ Ｐ ｉｓ ｎ ｄｓｒ — ａ ｉ ｒ ｉ ｕ ｅ ｎ ｏ ｒｉｔ ｒ ｒ ｎ ｅ ｉｔ ｎ ｉ ．Ｔ ｅＳ Ｒ ｏ ｅ ｎ ｌ ｅ ｒ ｓ ｉｎ ｓ ｏｈ ｎ ｒ ｓ ｏ ａ ｅ ｔ ａ ｆ ａ ｉ ｋ — ｏ ｔ ，ａ ｄｆ ｕ ｅ ｅ ｅ ｃ ｎ ｅ ｓｔ ｎ ｆ ｙ ｈ Ｉ ｆ ｒ ｅ ｇ ｅ ｓｏ ｍｏ ｔ ｉ ｇｗｅ ｅａ ｏｃ ｍｐ ｒ ｄ ｗｉ ｔ ｔ ｖｔ ｙ Ｇ — ｋ ｒ ｌ ｈｈ ｏＳ ｚ ｌｙ ｓ ｏｈ ｆ ｔｒ ａ ｍｏ ｔ ｌ ，ｍｏ ｉｇ ａ ｅ ａ ｅ ｌｃ ｅ ｅ ｓｏ ｎ ｏ ｕ ｔｌｃ ｌｒ ｇ ｅ ｓｏ ．Ｔ ｅ ｒ ｓ ｈ ｓ ｏ ｈ ｔ ｋ ｒ ｅ ｅ ｒｓ ｉｎ ｉ ｅ ｖｎ ｖ ｒ ｇ ，ｏ ａ ｒ ｇ ｓｉ ｎ ａ ｄ ｒ ｂ ｓ ｏ ａ ｅ ｒ ｓｉ ｎ ｌ ｒ ｈ ｅ ｕ ｈ ｗｓ ｔ ａ ｅ ｎ ｌｒ ｇｅ ｓ ｏ ｓ ｏ ｈｎ ｏ ｎｙ ｉ ｃ ｅ ｓ ｓｔｅ Ｓ Ｒ ｏ ｐ ｃｒ ｍ ， ｕ ｌｏ ｈ ｓｔ ｅｈ ｇ ｅ ｔ Ｉ ｔ ａ ｔ ｅ ｕ ｔｏ ｓｗ ｅ ｈ ｒ ｈ ｔ ｒ ｍｏ ｔ ｉ ｇ ｎ ｔ ｌ ｒ ａ ｅ Ｉ ｆ ｅ ｔ ｏ ｎ ｈ ｓ ｕ ｂ ｔ ｓ ａ ｉｈ ｓ Ｒ ｎ ｏｈ ｒ ｏ ｒｍｅｈ ｄ ｈ ｔ ｅ ｅ ｉ ｅ — ａ ｈ Ｓ ｈ ｆ ｔ ｎ
为代 表 ， 析 了核 回归 平 滑 方 法 对 干 扰 的 去 除 效 果 ． 定 干 扰类 型 为 ４类 ， 分 假 分别 是 正 态分 布 、 利 分 布 、 数 分 布 瑞 指
和泊松分布 ， 设定 的干扰强度分为 ４级 ． 利用蒙特卡洛模拟方法 ， 通过 ５ ０轮次的模拟计算 了核回归平滑前后水 ０
谷 位置信息 ， 是一种值得推荐的提高水面光谱信号干扰 比的方法．
［ 键 词 ］ 核 回归 ， 滑 ， 扰 比 ， 特 卡 洛模 拟 ， 面 光 谱 ， 感 关 平 信 蒙 水 遥
［ 中图分 类号］Ｔ ７ １ １ ［ Ｐ ５ ． 文献标识码 ］Ａ ［ 文章编号 ］０ １ ６ ６ ２ １ ） ３ ０ ７０ １０ － １ （００ ０ － ９ －６ ４ ０
ｓ ｏ ｔ ｉ ｇ Ｔｈ ｐ ｒｕ ｅ ｈ ｏ ｔ Ｃａ ｌ ｉ ａｉ ｎ ｍ ｅｈ ｄ ｔ ｓｉ ｔ ｈ ｖ ｒ ｇ ｆＳＩ ｂｙ５ ０ ｏ ｄ ｍ ｏｈｎ ． ｅ ｐａ ｅ ｓ ｓｔ ｅ Ｍ ｎｅ— ｒｏ ｓｍｕｌｔｏ ｔ ｏ ｏ ｅ ｔｍａ ｅｔ ｅ ａ ｅ ａ ｅ ｏ Ｒ ０ ｒ ｕｎ ｓ，ｇｖ ｎ ｆｕｒ ｉｅ ｏ
ｐ ｒ ｍｅ ｅｓ ｂ ｅ ｔ ｅ ｓｎ ａ ａ ｔｒ ｙ ｒ ｍｏｅ ｓ ｎ ｉｇ． Ｔｏ ｄ ｃ ｅ ｓ ｎｅ ｅｅ ｅ ａ ｄ ｉ ｒａ ｅ ＳＩ ｏ ｐ ｃｒ ｍ ｓｔ ｅ ｉ ｏｒａ ｔｃ ｎｅ ｆｓ ｅ — ｅ ｒ ａ ｅ ｉ ｔｒ ｒ ｎｃ ｎ ｎｃ ｅ ｓ Ｒ ｆｓ ｅ ｔ ｆ ｕ ｉ ｈ ｍｐ ｔｎ ｏ ｔｎｔｏ ｐ ｃ ｔ ｍ ｎ ｌｓｓ Ｉ ｈ ｓｐａ ｒ ｗｏ ｓ ｅ ｔ ｍ ｂ ｖ ｔｒ ｓ ｒａ ｅ，ｗｈｉｈ ｃ ｏ ｏ ｈ ｌ— ｏ ｃ ｎｔａｉｎ ｉ ａ ｎｄ ｓ ｓ ｅ ｕ ｒ ａ ａ ｙ ｉ． ｎ ｔｉ ｐｅ ，ｔ ｐ ｃｒ ｕ ａ ｏ ｅ ｗａｅ ｕ ｃ ｆ ｃ ｈｌｒ ｐ ｙ ｌａ ｃ ｎ ｅ ｒ ｔ ｓ ｓ ｍｅ ａ ｕ ｐ ｎ— ｏ
面 光谱 的 信 号 干 扰 比 ， 与 多 项 式 平 滑 、 动 平 均 、 部 回归 和 鲁 棒 性 的局 部 回归 平 滑 方 法 进 行 了 比 较 ． 果 表 并 移 局 结 明 ， 论 干 扰 强 度 高 或 低 ， 回 归平 滑后 的光 谱 均 具有 最 高 的 信 号 干 扰 比． 四类 干 扰 中 ， 回归 平 滑 对 于 正 态 不 核 在 核 分 布 的 干扰 去 除效 果 较 好 ． 常 用 的 多 项 式 平 滑 方 法 相 比 ， 回归 平 滑 方 法 比较 完 整 地 保 留 了水 面 光 谱 中 的 峰 与 核
Ｎｏ ｓ ｍ ｏ ａ ｎ Ｓ ｃ ｒ ｉｅ Ｒｅ ｖ ｌｉ ｐｅ ｔ ｕｍ ｏ ｅ Ｗ ａ ｅ ｒ ａ ｅ Ａｂ ｖ ｔ ｒ Ｓｕ ｆ ｃ Ｕｓｎ ｅ ｎ ｌＲｅ ｒ ｓ ｉ ｎ Ｓ ｏ ｔ ｎ ｉ ｇ Ｋ ｒ ｅ ｇ ｅ ｓｏ ｍ ｏ ｈｉ ｇ
Ｗ ｅ ｃ ｕ ｉ Ｙｕ ｈ ｎ，Ｗ ａ ｇ Ｇｕ ｘａ ｇ， ｅ ｇ Ｃｈ ｎ ｉ ｎ ｏ ｉｎ Ｃｈ ｎ ｕ ｍｅ
Ｖｏ ． ３ Ｎｏ ３ １３ ．
Ｓ ｐ ， ０１ ｅ ｔ２ ０
水 面光 谱 数 据 的核 回归 平滑 去 干 扰 分 析
韦玉 春 ， 国祥 ， 春 梅 王 程
（ 京师范大学虚拟地理环境教育部重点实验室， 南 江苏 南京 ２０ ４ ） １０ ６
［ 摘要 ］ 水面光谱是利用遥感反演水体水质参数 的数据基础 ， 去除光谱 中的噪声 干扰 ， 高光谱 的信 号干扰 比 提 有助于改进水质 参数 的遥 感反 演的精度 ． 本文选择叶绿素 ａ浓度 相同而悬 浮泥沙浓度差 异较 大的两个水 面光谱
ｄ ｄ ｓ ｂ ｔ ｎ ｅ ｃ ｎ ｅ ｔ ｔ ｎ ｉ ｄｆ ｒ ｎ ，ｗａ ａ ｅ ｓｅ ａ ｌｓｔ ｎ ｌｓｓｔ ｅ ｄ — ｏ ｓｎ ｆ ｃ ｆｔ ｅ ｋ ｒ ｅ ｅ ｒ ｓｉ ｎ ｅ ｕ ｓａ ｃ ｏ ｃ ｎｒ ｉ ｓ ｉ ｅ ｅ ｔ ａｏ ｆ ｓ ｔｋ ｎ ａ ｘ ｍｐ ｅ ｏ ａ ａｙ ｉ ｈ ｅ ｎ ｉｉ ｇ ｅｆ ｔｏ ｅ ｎ ｌ ｇ ｅ ｓｏ ｅ ｈ ｒ
第３ ３卷第 ３期 ２１ ０ ０年 ９月
南 京 师 大 学报 （ 自然 科 学 版 ）
Ｊ Ｕ Ｎ ＬＯ Ａ ＪＮ Ｏ ＭＡ ＮＶ Ｒ ＩＹ（ ａ ｒｌ ｃ ｎｅＥ ｉｏ ） Ｏ Ｒ Ａ ＦＮ Ｎ ＩＧ Ｎ Ｒ ＬＵ Ｉ Ｅ ＳＴ Ｎ ｔ ａ Ｓｉ ｃ ｄｔ ｎ ｕ ｉ ｉｈｓ ｎｌｏｉｔ ｅ ｎｅｒ ｉ ＳＲ）ｉ ｔｅｋｙｔ ｅｔ ａ ａｅ ｑａｉ ｂ ｔ ｔＳ ｅｔ ｍ ａｏｅｗ ｔ ｕｆ ｅｗｔ ｈｇ ｉ ａ ｔ ｎ ｒ ｒ ｃ ａｏ（ Ｉ ａ ｒ ｅ ａ ｈ ｇ ｅ ｅ ｆ ｔ ｓ ｈ ｅ ｓｍ ｔ ｗ ｔｒ ｕｌｙ ｏ ｉ ｅ ｔ
（ ｅ ａ ｆ ｉｕｌ ｅｇａｈｃＥ ｖ ｏｍｅｔ ｎｓｙｏ ｄｃｔ ｎ ａ ｎ ｏｍａ Ｕ ｉｅ ｉ ，Ｎ ｍｉｇ２０ ４ Ｃ ｉａ Ｋ ｙＬ ｂｏ ｒ ａ ｏｒｐ ｉ ｎｉ ｎ ｎ，Ｍｉｉｒ ｆ ｕａｉ ，Ｎ ｍｉｇＮ ｒ ｌ ｎｖｒｔ Ｖｔ Ｇ ｒ ｔ Ｅ ｏ ｓｙ ａ ｎ １０ ６， ｈｎ ）