CN110135105A - 基于涡旋光束的叶片生化组分参数定量遥感方法及装置 - Google Patents
基于涡旋光束的叶片生化组分参数定量遥感方法及装置 Download PDFInfo
- Publication number
- CN110135105A CN110135105A CN201910451067.XA CN201910451067A CN110135105A CN 110135105 A CN110135105 A CN 110135105A CN 201910451067 A CN201910451067 A CN 201910451067A CN 110135105 A CN110135105 A CN 110135105A
- Authority
- CN
- China
- Prior art keywords
- vortex beams
- blade
- reflection
- transmission
- vortex
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明实施例提供一种基于涡旋光束的叶片生化组分参数定量遥感方法及装置,所述方法包括:将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。本发明实施例将涡旋光束应用到叶片生化组分的定量遥感探测中,可显著提高叶片生化组分遥感的定量化水平。
Description
技术领域
本发明涉及叶片生化组分遥感定量技术领域,更具体地,涉及一种基于涡旋光束的叶片生化组分参数定量遥感方法及装置。
背景技术
遥感技术是研究全球和区域尺度的植被生态系统功能必不可缺的技术手段,它为获得叶片尺度的生化组分含量提供了一个便捷有效的工具。基于遥感的植被生态系统探测对精度要求越来越高,如何提高叶片生化组分遥感的定量化水平一直是植被遥感中不断探索的研究课题。
为了提高叶片生化组分遥感的定量化水平,除了在参量提取过程中尽可能地充分利用一切先验知识、发展新的信息处理方法外,还需要进一步深入挖掘光束中所携带的物理量信息,目前光束中涉及的物理参量主要有光束的光强和偏振态等,但是基于光束的光强和偏振态无法有效提高叶片生化组分遥感的定量化水平。
涡旋光束是近年来国际上研究的热点领域之一,它具有普通光束所没有的独特性质,其中尤为重要的一点就是每个光子具有确定的轨道角动量。这一轨道角动量特性使得涡旋光束在许多领域存在重要的潜在应用价值,因此,自1992年Allen确认这一特性后,涡旋光束便迅速引起国内外学者的大量关注和研究,在量子信息编码、空间信息传输与通信、遥感成像、光学微操纵、生物医学等领域得到了广泛且重要的应用。
目前还没有基于涡旋光束来提高叶片生化组分遥感的定量化水平的相关研究。
发明内容
为了提高叶片生化组分遥感的定量化水平,本发明实施例提供一种基于涡旋光束的叶片生化组分参数定量遥感方法及装置。
第一方面,本发明实施例提供一种基于涡旋光束的叶片生化组分参数定量遥感方法,包括:
将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;
基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;
基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。
第二方面,本发明实施例提供一种基于涡旋光束的叶片生化组分参数定量遥感装置,包括:
模型建立模块,用于将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;
光强和轨道角动量获取模块,用于基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;
叶片生化组分提取模块,用于基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。
本发明实施例提供的基于涡旋光束的叶片生化组分参数定量遥感方法及装置,将涡旋光束应用到叶片生化组分的定量遥感探测中,建立适合描述涡旋光束作用于叶片上的反射、透射模型,并提供新的叶片生化组分提取方法,可显著提高叶片生化组分遥感的定量化水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于涡旋光束的叶片生化组分参数定量遥感方法的流程示意图;
图2为本发明实施例提供的PROSPECT单层叶片模型对涡旋光束作用的示意图;
图3为本发明实施例提供的所述基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型的步骤的流程示意图;
图4为本发明实施例提供的涡旋光束在分界面的坐标系统示意图;
图5为本发明实施例提供的一种基于涡旋光束的叶片生化组分参数定量遥感装置的结构示意图;
图6为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,为本发明实施例提供的一种基于涡旋光束的叶片生化组分参数定量遥感方法的流程示意图,包括:
步骤100、将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;
具体地,本发明实施例将涡旋光束应用到叶片生化组分的定量遥感探测中,建立适合描述涡旋光束作用于叶片上的反射、透射模型。
所述涡旋光束具体为拉盖尔高斯光束、复宗量拉盖尔高斯光束或异常涡旋光束中的一种。
当光入射到物体表面时,一部分被反射,一部分被吸收,还有一部分可以透射过去。透射是入射光经过折射穿过物体后的出射现象。因此,将涡旋光束照射到叶片上,会获得反射涡旋光束、折射涡旋光束和透射涡旋光束。
本发明实施例中基于叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型。PROSPECT单层叶片模型对涡旋光束作用的示意图如图2所示。
步骤200、基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;
具体地,为了提高叶片生化组分遥感的定量化水平,需要深入挖掘涡旋光束中所携带的物理量信息,涡旋光束的轨道角动量是近年来从涡旋光束中发现的所特有的新的物理量,因此,本发明实施例结合涡旋光束中所携带的光强和轨道角动量来进行叶片生化组分的定量遥感。
本发明实施例利用所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布以及轨道角动量分布,然后基于反射涡旋光束和透射涡旋光束所对应的光强分布以及轨道角动量分布去提取叶片各生化组分的含量。
步骤300、基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。
具体地,在获得了所述反射涡旋光束和透射涡旋光束所对应的光强分布以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布之后,分别建立光强分布与叶片的光学特性之间的关系、轨道角动量分布与叶片的光学特性之间的关系,然后基于叶片的光学特性与叶片的生化组分之间的关系,从而可以间接获得所述反射涡旋光束和透射涡旋光束所对应的光强分布与叶片的生化组分之间的关系,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布与叶片的生化组分之间的关系,最终成功提取叶片各生化组分的含量。
本发明实施例提供的基于涡旋光束的叶片生化组分参数定量遥感方法,将涡旋光束应用到叶片生化组分的定量遥感探测中,建立适合描述涡旋光束作用于叶片上的反射、透射模型,并提供新的叶片生化组分提取方法,可显著提高叶片生化组分遥感的定量化水平。
在上述实施例的基础上,如图3所示,为本发明实施例提供的所述基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型的步骤的流程示意图,包括:
步骤101、计算所述涡旋光束进入PROSPECT单层叶片模型的前表面后获得的反射涡旋光束的光场表达式,以及所述涡旋光束进入PROSPECT单层叶片模型的前表面后获得的折射涡旋光束的光场表达式;
以零阶拉盖尔涡旋光束为例,其光场表达式为:
其中,w0为光腰光斑半径,z0为瑞利距离,s为拓扑荷,也称角向指数,p为径向指数取0,为连带拉盖尔多项式,为归一化常数,R(z)=z[1+(z0/z)2]为光束的曲率半径,为古依相移,k是波数,i是虚数单位,r,φ,z为所述涡旋光束在空间笛卡尔直角坐标系中的坐标轴。
选取如图4所示的坐标系统,分别用笛卡尔坐标(xa,ya,za)表示入射的所述涡旋光束(a=i)的局部笛卡尔坐标、所述反射涡旋光束(a=r)的局部笛卡尔坐标以及所述折射涡旋光束(a=t)的局部笛卡尔坐标,并将所有局部笛卡尔坐标均变换为圆柱型坐标:
所述步骤101进一步包括如下步骤:
首先,根据角谱理论,计算入射的所述涡旋光束的角谱表达式:
其中,u0(r0,θ0,0)为入射的涡旋光束的光场表达式。
然后,根据所述入射的涡旋光束的角谱表达式基于菲涅尔反射定律,引入反射系数R,计算获得所述反射涡旋光束的光场表达式:
其中,与公式(3)中的相等,rr,θr,zr为所述反射涡旋光束在空间笛卡尔直角坐标系中的坐标轴。
根据所述入射的涡旋光束的角谱表达式基于菲涅尔定律,计算获得所述折射涡旋光束的光场表达式:
其中,与公式(3)中的相等,rt,θt,zt为所述折射涡旋光束在空间笛卡尔直角坐标系中的坐标轴。
步骤102、基于所述折射涡旋光束的光场表达式,利用柯林斯公式,并考虑叶片的吸收系数,计算获得所述折射涡旋光束在叶片内传输后的光场表达式;
具体地,基于所述折射涡旋光束的光场表达式ut,利用柯林斯公式,并考虑到叶片的吸收系数T,得到所述折射涡旋光束在叶片内传输后的光场表达式为:
其中,k是波数,T为叶片的吸收系数,N为叶片的厚度,u0(r,θ,0)为经过叶片前表面后的折射涡旋光束的光场分布,分别为初始平面和接收平面上的点,为所述折射涡旋光束在叶片内传输后的光场表达式,为在叶片内传输后的所述折射涡旋光束在空间笛卡尔直角坐标系中的坐标轴。
步骤103、基于所述折射涡旋光束在叶片内传输后的光场表达式,计算在叶片内传输后的所述折射涡旋光束从所述PROSPECT单层叶片模型的后表面出射后获得的透射涡旋光束的光场表达式。
具体地,同步骤101首先计算角谱,然后计算透射涡旋光束的光场表达式。
根据角谱理论,基于所述折射涡旋光束在叶片内传输后的光场表达式得到此时入射的涡旋光束的角谱:
进一步获得透射涡旋光束的光场表达式:
其中,为所述透射涡旋光束在空间笛卡尔直角坐标系中的坐标轴。
基于上述实施例的内容,所述基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布的步骤,具体为:
根据光强的定义,基于所述反射涡旋光束的光场表达式,计算所述反射涡旋光束的光强表达式,基于所述透射涡旋光束的光场表达式,计算所述透射涡旋光束的光强表达式;
具体地,所述透射涡旋光束的光强表达式如下:
I=|uT|2 (9)
同理基于所述反射涡旋光束的光场表达式ur,可以计算获得所述反射涡旋光束的光强表达式。
根据螺旋谱的定义,基于所述反射涡旋光束的光场表达式,计算所述反射涡旋光束的轨道角动量分布表达式,基于所述透射涡旋光束的光场表达式,计算所述透射涡旋光束的轨道角动量分布表达式;
具体地,根据螺旋谱的定义式,运用特殊函数的积分性质计算反射涡旋光束和透射涡旋光束的轨道角动量分布表达式。
采用如下公式计算透射涡旋光束的轨道角动量分布:
则可求得轨道角动量分布表达式为:
同理,可以计算获得反射涡旋光束的轨道角动量分布表达式。
最后,运用数值分析方法,计算获得所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布。
基于上述实施例的内容,所述基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量的步骤,具体为:
基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,建立光强分布与叶片的光学特性之间的关系,基于所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,建立轨道角动量分布与叶片的光学特性之间的关系;
建立叶片的光学特性与叶片的生化组分之间的关系;
基于所述叶片的光学特性与叶片的生化组分之间的关系,提取叶片各生化组分的含量。
其中,所述叶片的光学特性包括:叶片厚度、吸收系数和折射率。
其中,所述叶片的生化组分包含水分、叶绿素和干物质。提取叶片各生化组分的含量可以理解为提取水分、叶绿素和干物质的含量。
可以理解的是,结合上述光强分布和轨道角动量分布,分别建立光强分布和轨道角动量分布与叶片的光学特性(叶片厚度、吸收系数、折射率等)之间的关系。建立叶片光学特性与叶片生化组分(水分、叶绿素、和干物质)之间的关系。从而,由上述关系提取各生化组分的含量:
T=∑TjCj (13)
其中Tj为第j个叶片生化组分的吸收系数,Cj为对应的第j个叶片生化组分的含量。
如图5所示,为本发明实施例提供的一种基于涡旋光束的叶片生化组分参数定量遥感装置的结构示意图,包括:模型建立模块501、光强和轨道角动量获取模块502以及叶片生化组分提取模块503,其中,
模型建立模块501,用于将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;
具体地,本发明实施例将涡旋光束应用到叶片生化组分的定量遥感探测中,建立适合描述涡旋光束作用于叶片上的反射、透射模型。
所述涡旋光束具体为拉盖尔高斯光束、复宗量拉盖尔高斯光束或异常涡旋光束中的一种。
当光入射到物体表面时,一部分被反射,一部分被吸收,还有一部分可以透射过去。透射是入射光经过折射穿过物体后的出射现象。因此,将涡旋光束照射到叶片上,会获得反射涡旋光束、折射涡旋光束和透射涡旋光束。
本发明实施例中模型建立模块501基于叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型。
光强和轨道角动量获取模块502,用于基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;
具体地,为了提高叶片生化组分遥感的定量化水平,需要深入挖掘涡旋光束中所携带的物理量信息,涡旋光束的轨道角动量是近年来从涡旋光束中发现的所特有的新的物理量,因此,本发明实施例结合涡旋光束中所携带的光强和轨道角动量来进行叶片生化组分的定量遥感。
光强和轨道角动量获取模块502利用所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布以及轨道角动量分布。
叶片生化组分提取模块503,用于基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。
具体地,叶片生化组分提取模块503分别建立光强分布与叶片的光学特性之间的关系、轨道角动量分布与叶片的光学特性之间的关系,然后基于叶片的光学特性与叶片的生化组分之间的关系,从而可以间接获得所述反射涡旋光束和透射涡旋光束所对应的光强分布与叶片的生化组分之间的关系,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布与叶片的生化组分之间的关系,最终成功提取叶片各生化组分的含量。
所述基于涡旋光束的叶片生化组分参数定量遥感装置用于执行上述方法实施例中的基于涡旋光束的叶片生化组分参数定量遥感方法。因此,在前述各基于涡旋光束的叶片生化组分参数定量遥感方法的实施例中的描述和定义,可以用于本发明实施例中各个执行模块的理解,在此不再赘述。
本发明实施例提供的基于涡旋光束的叶片生化组分参数定量遥感装置,将涡旋光束应用到叶片生化组分的定量遥感探测中,建立适合描述涡旋光束作用于叶片上的反射、透射模型,并提供新的叶片生化组分提取方法,可显著提高叶片生化组分遥感的定量化水平。
图6为本发明实施例提供的电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储在存储器630上并可在处理器610上运行的计算机程序,以执行上述各方法实施例所提供的基于涡旋光束的叶片生化组分参数定量遥感方法,例如包括:将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。
此外,上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例提供的基于涡旋光束的叶片生化组分参数定量遥感方法,例如包括:将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于涡旋光束的叶片生化组分参数定量遥感方法,其特征在于,包括:
将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;
基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;
基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。
2.根据权利要求1所述的方法,其特征在于,所述基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型步骤,具体为:
计算所述涡旋光束进入PROSPECT单层叶片模型的前表面后获得的反射涡旋光束的光场表达式,以及所述涡旋光束进入PROSPECT单层叶片模型的前表面后获得的折射涡旋光束的光场表达式;
基于所述折射涡旋光束的光场表达式,利用柯林斯公式,并考虑叶片的吸收系数,计算获得所述折射涡旋光束在叶片内传输后的光场表达式;
基于所述折射涡旋光束在叶片内传输后的光场表达式,计算在叶片内传输后的所述折射涡旋光束从所述PROSPECT单层叶片模型的后表面出射后获得的透射涡旋光束的光场表达式。
3.根据权利要求2所述的方法,其特征在于,所述计算所述涡旋光束进入PROSPECT单层叶片模型的前表面后获得的反射涡旋光束的光场表达式,以及所述涡旋光束进入PROSPECT单层叶片模型的前表面后获得的折射涡旋光束的光场表达式的步骤,具体为:
根据角谱理论,计算入射的涡旋光束的角谱表达式;
根据所述入射的涡旋光束的角谱表达式,基于菲涅尔定律,计算获得所述反射涡旋光束的光场表达式;
根据所述入射的涡旋光束的角谱表达式,基于菲涅尔定律,计算获得所述折射涡旋光束的光场表达式。
4.根据权利要求2所述的方法,其特征在于,所述折射涡旋光束在叶片内传输后的光场表达式,具体为:
其中,k是波数,T为叶片的吸收系数,N为叶片的厚度,u0(r,θ,0)为经过叶片前表面后的折射涡旋光束的光场分布,分别为初始平面和接收平面上的点,为所述折射涡旋光束在叶片内传输后的光场表达式。
5.根据权利要求1所述的方法,其特征在于,所述基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布的步骤,具体为:
根据光强的定义,基于所述反射涡旋光束的光场表达式,计算所述反射涡旋光束的光强表达式,基于所述透射涡旋光束的光场表达式,计算所述透射涡旋光束的光强表达式;
根据螺旋谱的定义,基于所述反射涡旋光束的光场表达式,计算所述反射涡旋光束的轨道角动量分布表达式,基于所述透射涡旋光束的光场表达式,计算所述透射涡旋光束的轨道角动量分布表达式;
运用数值分析方法,计算获得所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布。
6.根据权利要求1所述的方法,其特征在于,所述基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量的步骤,具体为:
基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,建立光强分布与叶片的光学特性之间的关系,基于所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,建立轨道角动量分布与叶片的光学特性之间的关系;
建立叶片的光学特性与叶片的生化组分之间的关系;
基于所述叶片的光学特性与叶片的生化组分之间的关系,提取叶片各生化组分的含量。
7.根据权利要求6所述的方法,其特征在于,所述叶片的光学特性包括:叶片厚度、吸收系数和折射率。
8.根据权利要求6所述的方法,其特征在于,所述叶片的生化组分包含水分、叶绿素和干物质。
9.根据权利要求1所述的方法,其特征在于,所述涡旋光束具体为拉盖尔高斯光束、复宗量拉盖尔高斯光束或异常涡旋光束中的一种。
10.一种基于涡旋光束的叶片生化组分参数定量遥感装置,其特征在于,包括:
模型建立模块,用于将涡旋光束照射到叶片上,基于所述叶片对应的PROSPECT单层叶片模型,建立叶片对涡旋光束的反射和透射模型;
光强和轨道角动量获取模块,用于基于所述叶片对涡旋光束的反射和透射模型,计算反射涡旋光束和透射涡旋光束所对应的光强分布,并计算反射涡旋光束和透射涡旋光束所对应的轨道角动量分布;
叶片生化组分提取模块,用于基于所述反射涡旋光束和透射涡旋光束所对应的光强分布,以及所述反射涡旋光束和透射涡旋光束所对应的轨道角动量分布,提取叶片各生化组分的含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451067.XA CN110135105B (zh) | 2019-05-28 | 2019-05-28 | 基于涡旋光束的叶片生化组分参数定量遥感方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910451067.XA CN110135105B (zh) | 2019-05-28 | 2019-05-28 | 基于涡旋光束的叶片生化组分参数定量遥感方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135105A true CN110135105A (zh) | 2019-08-16 |
CN110135105B CN110135105B (zh) | 2023-03-24 |
Family
ID=67582241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910451067.XA Active CN110135105B (zh) | 2019-05-28 | 2019-05-28 | 基于涡旋光束的叶片生化组分参数定量遥感方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135105B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365150A (zh) * | 2020-11-09 | 2021-02-12 | 中国科学院东北地理与农业生态研究所 | 面向频数分布状况的生态系统属性组分组成结构量化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160069804A1 (en) * | 2014-07-24 | 2016-03-10 | Nxgen Partners Ip, Llc | System and method for detection of materials using orbital angular momentum signatures |
US20160202090A1 (en) * | 2015-01-08 | 2016-07-14 | Nec Laboratories America, Inc. | Method and apparatus for remote sensing using optical orbital angular momentum (oam) -based spectroscopy for detecting lateral motion of a remote object |
CN106896498A (zh) * | 2017-03-08 | 2017-06-27 | 华南师范大学 | 拉盖尔高斯涡旋光束的产生/三维重建装置及方法 |
US20180306716A1 (en) * | 2015-10-05 | 2018-10-25 | Nxgen Partners Ip, Llc | System and method for multi-parameter spectroscopy |
-
2019
- 2019-05-28 CN CN201910451067.XA patent/CN110135105B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160069804A1 (en) * | 2014-07-24 | 2016-03-10 | Nxgen Partners Ip, Llc | System and method for detection of materials using orbital angular momentum signatures |
US20160202090A1 (en) * | 2015-01-08 | 2016-07-14 | Nec Laboratories America, Inc. | Method and apparatus for remote sensing using optical orbital angular momentum (oam) -based spectroscopy for detecting lateral motion of a remote object |
US20180306716A1 (en) * | 2015-10-05 | 2018-10-25 | Nxgen Partners Ip, Llc | System and method for multi-parameter spectroscopy |
CN106896498A (zh) * | 2017-03-08 | 2017-06-27 | 华南师范大学 | 拉盖尔高斯涡旋光束的产生/三维重建装置及方法 |
Non-Patent Citations (2)
Title |
---|
朱思韦等: "利用拉盖尔-高斯光束探测标准相位型物体特性", 《激光与光电子学进展》 * |
石敬等: "太赫兹数字全息术的研究进展", 《中国光学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365150A (zh) * | 2020-11-09 | 2021-02-12 | 中国科学院东北地理与农业生态研究所 | 面向频数分布状况的生态系统属性组分组成结构量化方法 |
CN112365150B (zh) * | 2020-11-09 | 2022-10-04 | 中国科学院东北地理与农业生态研究所 | 面向频数分布状况的生态系统属性组分组成结构量化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110135105B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734380B (zh) | 风险账户判定方法、装置及计算设备 | |
CN105976242A (zh) | 一种基于实时流数据分析的交易欺诈检测方法及系统 | |
CN113344562B (zh) | 基于深度神经网络的以太坊钓鱼诈骗账户检测方法与装置 | |
Heimbach et al. | Eliminating sandwich attacks with the help of game theory | |
CN110111113B (zh) | 一种异常交易节点的检测方法及装置 | |
EP3018615B1 (fr) | Procede de comparaison de donnees ameliore | |
CN110135105A (zh) | 基于涡旋光束的叶片生化组分参数定量遥感方法及装置 | |
Bayani et al. | Unifying Assurance A Framework for Ensuring Cloud Compliance in AIML Deployment | |
Anowar et al. | Auction fraud classification based on clustering and sampling techniques | |
Qi et al. | EMD and VMD-GWO parallel optimization algorithm to overcome Lidar ranging limitations | |
CN111861750A (zh) | 一种基于决策树方法的特征衍生系统及可读存储介质 | |
Zhou et al. | Curve skeleton extraction via k-nearest-neighbors based contraction | |
Kang et al. | A survey of photon mapping state-of-the-art research and future challenges | |
Kaya et al. | Multi-view photometric stereo revisited | |
CN107300645A (zh) | 一种快速的射线追踪方法及系统 | |
CN114138012A (zh) | 一种风机叶片巡检方法、装置、设备及存储介质 | |
Liu et al. | Generation of concise 3D building model from dense meshes by extracting and completing planar primitives | |
CN110020939A (zh) | 建立违约损失率预测模型的装置、方法及存储介质 | |
CN116805245A (zh) | 基于图神经网络与解耦表示学习的欺诈检测方法及系统 | |
Li et al. | Adversparse: An adversarial attack framework for deep spatial-temporal graph neural networks | |
US20150100474A1 (en) | Internet rosca data processing method | |
CN109657034A (zh) | 地址相似度计算方法及其系统 | |
CN114881765A (zh) | 一种信贷项目的风险识别方法及装置 | |
Jia et al. | WRGPruner: A new model pruning solution for tiny salient object detection | |
Meng et al. | In-depth analysis of financial market based on iris recognition algorithm of MATLAB GUI |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |