LAMOST光谱数据的二维处理关键技术研究

发布时间：2018-03-25 17:42

  本文选题：LAMOST　切入点：多目标光纤光谱数据处理　出处：《中国科学技术大学》2016年博士论文

【摘要】：多目标光纤光谱望远镜可以同时获取大量的不同天体的光谱数据,通过光谱仪后经过光纤的传输从CCD相机中获取二维光谱图像,之后经过光纤光谱数据处理系统的处理输出需要的光谱数据并存储起来。多目标光纤光谱数据处理的准确度关系到光谱的利用率、准确性以及完整性,获得的光谱数据对后续的天文学研究至关重要。因此设计合理的光纤光谱数据处理系统并提高数据处理的准确度具有重要的意义和价值。本文首先介绍了多目标光纤光谱望远镜的原理及获取的光谱数据类型和特征,然后以LAMOST为例,分析二维光谱的形成机理,并据此重新设计基于二维模型和算法的光纤光谱数据处理系统,着重研究其中的抽谱和减天光两大核心数据处理模块,并将稀疏表示和凸优化等相关算法应用到其中,分别提出两种基于二维模型的抽谱算法、基于一致性约束和稀疏约束的非负矩阵分解减天光算法以及基于主成分分析的二维天光建模减天光算法。本文的主要工作和创新点如下：1.研究并设计了基于二维模型和算法的LAMOST数据处理系统流程。设计的核心是根据二维光谱的形成机理,充分考虑到空间和波长两个方向的光谱信息,保持二维光谱数据的完整性,所有的核心算法步骤都是基于二维模型算法的,并将抽谱这一从二维光谱中还原出一维光谱的降维过程放至核心步骤的最后。在完成减本底、宇宙射线检测、光纤追迹等预处理步骤后,首先进行基于二维模型算法的波长定标和流量定标处理,其次进行基于二维模型算法的减天光处理,然后进行基于二维模型的抽谱处理,从二维目标光谱中还原出原始的一维输入目标谱,最后进行光谱合并等后续处理,输出一维光谱数据。2.研究了光谱抽取这一核心模块的算法。提出了两种基于二维模型的抽谱算法。基于二维模型的抽谱算法分为两大主要步骤：建立模拟光谱轮廓特征的二维点扩展函数矩阵和建立抽谱方程并求解。鉴于光谱轮廓在空间和波长方向都是近高斯分布的,提出了一种改进的基于二维高斯模型的抽谱算法。利用轮廓信号的相关性以及噪声的不相关性,通过与二维目标对应的平场光谱和定标灯谱,采用最小二乘法分别估计出二维高斯模型的空间和波长方向的参数,建立基于二维高斯模型的点扩展函数矩阵。另外,考虑到实际轮廓的非对称性,提出了一种更为灵活、自适应性更强的基于二维指数多项式模型的抽谱算法。在空间和波长方向分别通过两个指数多项式的拼接建立基于二维指数多项式模型的点扩展函数矩阵。其中空间和波长方向多项式系数的求解也是采用最小二乘法分别通过二维平场光谱和定标灯谱采样估计出的。在完成了点扩展函数矩阵的建立后,就可以根据二维光谱的形成原理建立抽谱矩阵方程,准确地估计出抽谱方程的解是需要解决的难点。本文创新性地提出了利用Barzilai-Borwein梯度投影稀疏重建算法(Barzilai-Borwein Gradient Projection for Sparse Reconstruction, GPSR-BB)求解抽谱方程,解决了矩阵求逆导致的振铃问题,较为准确地估计出了原始一维输入光谱,完成了基于二维算法的抽谱处理。3.研究了高精度的减天光算法。提出了两种高精度的减天光算法。从天光建模算法本身出发,根据天光发射线的特征,将非负矩阵分解的相关算法应用于天光建模中,提出了基于一致性约束和稀疏约束的非负矩阵分解减天光算法。根据天光发射线稀疏分布的特征以及不同天光光谱在相同波长位置流量的一致性的特征,设计了一种基于一致性约束和稀疏约束的非负矩阵分解算法。然后利用设计的算法对天光采样矩阵和目标采样矩阵分别进行训练和测试,构建天光模型,从目标光谱中减去建立的天光流量就完成了减天光处理。然后从二维的减天光模型算法的角度出发,利用空间和波长两个方向的光谱信息,提出了基于主成分分析的二维天光建模减天光算法。对天光采样矩阵进行主成分分析并将获取的特征向量投影到目标采样矩阵中建立二维天光模型,从二维目标光谱中减去该二维天光流量即完成了二维减天光处理。鉴于多目标光纤光谱望远镜系统的原理的相似性,本文提出的处理流程和核心模块算法在LAMOST数据上进行验证,对其他多目标光纤光谱望远镜系统也是适用的,具有一定的参考和应用价值。
[Abstract]:......
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TH743

【相似文献】

相关期刊论文 前10条

1 薛利红,罗卫红,曹卫星,田永超;作物水分和氮素光谱诊断研究进展[J];遥感学报;2003年01期

2 程洁;肖青;李小文;柳钦火;杜永明;;基于多层感知器网络的FTIR高光谱数据温度和发射率光谱同步反演[J];光谱学与光谱分析;2008年04期

3 吴传庆,童庆禧,郑兰芬;地面、图像光谱数据的预处理[J];遥感技术与应用;2005年05期

4 陈颖;舒宁;;基于光谱相似性的多光谱数据纹理编码算法研究[J];国土资源遥感;2005年04期

5 王瀛;郭雷;梁楠;;逐波段修正负相关的光谱角填图算法[J];火力与指挥控制;2013年02期

6 张立朝;王青山;潘贞;郑海鹰;张世全;;改进的光谱角度制图分类方法研究[J];测绘科学;2008年02期

7 丁国华;朱元泓;李博;梁权峰;;基于不同色块数量的光谱重构对比[J];包装工程;2012年03期

8 薛彬,杨建峰,赵葆常;用于月球风化层遥感的光谱分离技术研究(英文)[J];光子学报;2005年10期

9 陈君颖;田庆久;;水稻叶片不同光谱形式反演叶绿素含量的对比分析研究[J];国土资源遥感;2007年01期

10 韩静;岳江;张毅;柏连发;陈钱;;光谱角匹配加权核特征空间分离变换高光谱异常检测算法[J];红外与毫米波学报;2013年04期

相关会议论文 前10条

1 李幸丽;杜培军;;典型光谱数据库的建立及基于图形界面的分析[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

2 涂彩;袁心强;;激光诱导离解光谱的光谱分析软件研究[A];第十五届全国分子光谱学术报告会论文集[C];2008年

3 吴传庆;童庆禧;郑兰芬;张兵;赵永超;张霞;;地面、图像光谱数据的预处理[A];成像光谱技术与应用研讨会论文集[C];2002年

4 李彬彬;易宝林;刘斌;;基于信源学的植被光谱数据的存储技术研究[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年

5 张佳华;周正明;王培娟;沙依然;许云;孟倩文;;不同积雪及雪被地物光谱反射率特征与光谱拟合[A];遥感定量反演算法研讨会摘要集[C];2010年

6 陈建裕;毛志华;吴均平;潘德炉;;基于光谱数据的分区多阶段混合分类方法提取特定地物[A];成像光谱技术与应用研讨会论文集[C];2004年

7 冯祖儒;顾蓉芳;聂崇实;;利用GC/FTIR系统建立香料气相红外参考光谱数据库[A];全国第八届分子光谱学术报告会文集[C];1994年

8 谢狄霖;陈忠;;化合物光谱数据库的研制[A];中国化学会第九届全国量子化学学术会议暨庆祝徐光宪教授从教六十年论文摘要集[C];2005年

9 徐超;高淑梅;刘诚;;基于小波变换的光谱去噪研究[A];豫赣黑苏鲁五省光学（激光）学会联合学术2012年会论文摘要集[C];2012年

10 唐宏;杨新;方涛;施鹏飞;;基于核方法的光谱角制图模型及其在高光谱图像分割中的应用[A];中国地理信息系统协会第八届年会论文集[C];2004年

相关重要报纸文章 前1条

1 特约记者 武玲　通讯员 俞正奎;南京地调中心与南京理工大共建重点实验室[N];中国国土资源报;2011年

相关博士学位论文 前5条

1 王文玉;海量天文光谱数据中白矮主序双星的发现研究[D];山东大学;2015年

2 俞斌峰;多任务学习及其在光谱数据分析中的应用[D];中国科学技术大学;2015年

3 张博;LAMOST光谱数据的二维处理关键技术研究[D];中国科学技术大学;2016年

4 宗靖国;红外成像光谱数据获取及其在场景仿真中的应用[D];西安电子科技大学;2011年

5 刘强;基于光谱的颜色喷墨再现关键问题研究[D];武汉大学;2013年

相关硕士学位论文 前10条

1 刘澍;基于紫外—可见吸收光谱的供水管网水质在线异常检测方法研究[D];浙江大学;2015年

2 李勋兰;柑橘光谱数据库的建立及应用研究[D];西南大学;2015年

3 姜小龙;云平台下光谱数据快速无损压缩技术的研究[D];湖南师范大学;2015年

4 郑标;基于GIS的青海湖流域典型地物光谱数据库研究[D];青海师范大学;2015年

5 白冬;光谱数据变换对土壤氮素诊断精度的影响研究[D];山西农业大学;2015年

6 段贺;时间型干涉超光谱数据压缩算法研究[D];东北大学;2014年

7 郝建亭;光谱数据处理及其在植被信息提取中的应用[D];成都理工大学;2008年

8 陆皖宁;水体遥感实测光谱数据后处理与软件实现[D];南京师范大学;2007年

9 吕英杰;LIBS光谱数据分类算法及应用研究[D];西北大学;2014年

10 张寅俊;基于STM32的嵌入式光谱重构处理技术的研究[D];南京理工大学;2012年

，

本文编号：1664211