多光谱图像

摘要： 该研究利用大疆M600Pro无人机飞行器上搭载的Sequoia多光谱传感器采集滁州市定远县张山水库的影像数据,采用窗口平均法来建立最优回归模型,最终反演水质参数与影像光谱特征之间的关系。研究结果表明:由WAM方法反演张山水库的总氮、总磷与化学需氧量三种参数的拟合程度总氮(TN)>总磷(T_(p))>化学需氧量(COD)。WAM方法可适用于无人机多光谱数据估算部分水质参数,无人机高时空分辨率多光谱影像可应用于小型水库的水质估测。

摘要： 多光谱图像与全色图像的融合已被广泛应用于提高后续图像处理效果以满足图像进一步应用的需要,本文提出了一种在非下采样剪切波变换域中基于区域清晰度加权和导向滤波相结合的遥感图像融合方法。利用剪切波变换将多光谱图像的亮度分量与全色图像分别分解为低频子带和高频子带;针对高低频子带的特点分别设计高低频子带融合规则;对融合系数取剪切波逆变换和亮度-色度-饱和度逆变换得到融合图像。与6种典型融合方法通过9种包含光谱和空间质量评价的指标进行比较,实验结果表明:本文方法在主观视觉效果和客观评价方面都达到了极好效果,在提升空间分辨率的同时有效的保留了光谱信息。

摘要： 稻穗表型是表征水稻生长状况和产量品质的关键参数,稻穗表型的准确监测对于大田精准管理和水稻智慧育种具有重要意义。无人机图谱数据已被广泛用于水稻生长监测,然而大部分研究主要集中在水稻的营养生长阶段,针对抽穗期和成熟期稻穗表型监测方面的研究非常有限。因此,该研究利用无人机多源图谱数据进行水稻稻穗表型监测研究,分析了不同氮肥梯度和生长时期对稻穗表型的影响,构建了稻穗覆盖度、生物量以及倒伏等监测模型。结果表明,不同生长时期和氮肥梯度的稻穗表型呈现显著差异,稻穗覆盖度与图像特征高度相关。利用粒子群优化算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vector Machine,SVM)回归模型能够从可见光图像中准确识别稻穗,计算的穗覆盖度与实际标记值高度相关,决定系数(coefficient of determination,R^(2))为0.87,将此结果与多光谱图像反射率融合,利用随机森林(Random Forest,RF)回归模型可以提高稻穗覆盖度的评估精度,R^(2)为0.93,相对均方根误差(relative Root Mean Square Error,rRMSE)为9.47%。融合可见光图像的颜色和纹理以及多光谱图像的光谱反射率改善了穗生物量的评估精度,R^(2)高达0.84,rRMSE为8.68%,此模型能够在不同种植年间迁移,进一步利用模型更新添加10%新样本能够改善模型迁移能力。基于PSO-SVM分类模型,联合可见光图像的颜色和纹理以及多光谱图像的光谱反射率也准确地识别稻穗倒伏,准确率达99.87%。上述研究结果证明了无人机遥感用于水稻稻穗表型监测的可行性,可为作物精准管理和智慧育种提供决策支持。

摘要： 针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类。为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1。为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling,SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4MobileNet V1模型对玉米种子外观品质进行检测。试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09%和98.02%,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20%。四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考。

摘要： 针对现有的基于卷积自编码器的遥感图像融合方法存在光谱失真和部分细节信息丢失的情况,提出结合卷积自编码器、卷积注意模块和高斯滤波器的遥感图像融合算法。首先利用高斯滤波器获取用于模型训练的低分辨率高频图像、高分辨率高频图像和用于模型预测的低分辨率多光谱高频图像。然后用卷积自编码器学习低分辨率高频图像与高分辨率高频图像之间的非线性映射关系,将卷积注意模块引入模型训练中,使卷积自编码器更加关注图像中的关键信息。最后用训练完成的卷积自编码器获取多光谱图像缺失的细节信息,即高分辨率多光谱高频图像,并与原图像融合生成高分辨率多光谱图像。选取多组不同的卫星数据与8种融合算法进行对比实验,实验结果表明融合图像保留了更多的光谱信息和细节信息,在主观和客观上均表现出良好的性能。

摘要： 利用搭载在无人机上的多光谱相机,以荔枝树冠层叶片作为试验对象,在光线充足且无阴影遮挡的环境下对荔枝树叶片样本进行拍摄,结合拍摄获得的多光谱图像数据和荔枝树叶片氮、磷、钾实际含量,通过相关性分析分别筛选与荔枝树叶片氮、磷、钾含量相关性较强的特征波段。根据相关特征波段的数据和荔枝树叶片实际含量,利用最小二乘法对所得数据进行回归分析,根据分析结果建立荔枝树叶片氮、磷、钾含量反演模型。结果表明,利用多光谱图像光谱信息并结合荔枝树叶片氮磷钾含量建立的反演模型,得到相关系数分别能达到0.8853、0.9116和0.9045。结果表明,通过此方法可以实现对荔枝树叶片氮、磷、钾元素含量的快速检测,帮助果农实时监测荔枝树的营养状况,并为精准施肥提供依据。

摘要： 通过探讨白木香冠层光谱和形状特征与叶片含锌量的模型关系,实现幼龄白木香冠层含锌量的快速无损诊断,为实现白木香智能化培育经营提供新思路。以幼龄白木香为研究对象,通过多光谱相机获取白木香冠层图像,结合相位相关法及贝叶斯分割法精确提取白木香冠层,在应用偏最小二乘(partial least squares,PLS)算法对图像光谱和形状特征进行降维的基础上,分别构建偏最小二乘回归(partial least squares regression,PLSR)模型和偏最小二乘-广义可加模型(partial least squares-generalized additive models,PLS-GAM)以图像特征对含锌量进行估测和分析,并通过比较模型评价指标与常用套索回归(lasso regression,LassoR)和多元逐步回归(multiple stepwise regression,MSR)模型进行对比,确定适用于白木香锌含量估测的最佳模型。研究表明:(1)结合相位相关法和贝叶斯算法能够较好地分割出白木香冠层图像,效果显著优于对各波段图像进行直接分割的方法;(2)基于多光谱图像特征提取6个主成分CF1、CF2、CF3、CF4、CF5和CF6,PLSR建模分析结果表明CF1和CF2与白木香冠层含锌量具有显著的线性关系,模型调整后R2adj为0.475;(3)PLS-GAM建模分析结果表明,CF1、CF2和CF4与白木香冠层含锌量均存在显著的非线性关系,模型调整后R2adj为0.679,显著高于基于线性关系构建的PLSR模型;(3)经过模型评价对比,PLS-GAM模型估测精度最高,RMSE为0.095,较PLSR、LassoR、MSR模型分别降低了26.4%、43.1%和34.9%,为适用于估测白木香冠层含锌量的最优模型。因此,结合相位相关法及贝叶斯分割法能够实现对白木香冠层多光谱图像的精准分割,基于光谱和形状特征构建的PLS-GAM模型对白木香冠层含锌量具有良好的估测效果,有利于推动白木香微量元素诊断的研究进程,对幼龄白木香的智能化作业有重要意义。

摘要： 为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为:0.1201,0.0547和0.0598,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。

摘要： 为了解决高光谱图像空间分辨率较低的问题,提出一种基于卷积神经网络(CNN)的图像融合方法。首先,将输入的高光谱图像和多光谱图像输入至一个双分支网络进行特征提取,以获得高光谱图像中的高频光谱信息和多光谱图像中的高频空间特征;其次,通过特征融合网络将提取到的特征进行初步融合,形成紧凑的图像特征;再通过光谱重建网络,从融合后的特征中恢复重建高光谱图像,以初步提高其空间分辨率;最后,对上一步重建的高光谱图像进行空间边缘和光谱边缘信息的重构,进一步提升高光谱图像的空间分辨率。经验证,所提出的方法能将高光谱图像的更详细的细节信息保留,在主观视觉和客观评价指标PSNR、RMSE、ERGAS以及SAM上具有一定的优势。

摘要： 为了实现油菜叶片中叶绿素含量的快速无损检测,开发了手持式多光谱成像系统用于采集油菜叶片在460,520,660,740,840和940 nm六个波段的光谱图像.将一台能够采集可见光/近红外(380～1023 nm)512个波段光谱图像但是价格高昂且体积大的室内高光谱成像系统作为参考仪器,将手持式多光谱成像系统作为目标仪器后,采用伪逆法(pseudo-inverse method)求得高光谱成像系统和多光谱成像系统两台仪器之间的转换矩阵F,从而实现6个波段的多光谱图像向512个波段的高光谱图像的重构,提高了手持式设备的光谱分辨率.运用偏最小二乘回归算法(PLSR)建立了重构的光谱与油菜叶片的叶绿素含量之间的关系模型.结果表明,重构的可见光范围内的光谱反射率与叶绿素浓度之间具有很强的相关性,PLSR回归模型建模集的决定系数R2c为0.82,建模集均方根误差RM ESC为1.98,预测集的决定系数R2p为0.78,预测集均方根误差RMESP为1.50,RPD为2.14.虽然应用本文开发的手持式成像系统结合PLSR模型实现油菜叶绿素含量快速无损预测的精度低于基于室内高光谱成像系统获得的高光谱图像建立的PLSR模型(R2c,RMESC,R2p,RMESP和RPD分别为0.90,1.41,0.82,1.36和2.37),但是明显优于基于原始多光谱成像系统4个波段(460,520,660和740 nm)反射率建立的PLSR模型得到的结果(R2c,RMESC,R2p,RMESP和RPD分别为0.78,2.06,0.72,1.85和1.88).表明光谱重构技术可提高多光谱成像预测油菜叶绿素含量的精度,并且与室内高光谱成像系统相比,开发的手持式设备具有体积小、成本低廉和操作简便等优点,可为田间油菜叶片的生理状态和养分检测及可视化表达提供技术支持.

摘要： 亚像素波段配准技术是多光谱图像融合、物体识别、目标检测和图像拼接的关键.本文提出一种由粗到精的多光谱图像亚像素配准方法.首先,利用严格几何成像模型和数字高程模型实现多光谱图像的粗配准;其次,采用改进的Levenberg-Marquardt算法与最大互信息相结合的方法实现多光谱图像的精确配准.利用高分1号多光谱影像进行试验,试验结果表明该方法能够实现多光谱图像的高精度自动配准,谱段配准精度优于0.3个像素达到亚像素级.

摘要： 遥感图像融合是通过对全色图像与多光谱图像的处理,获得高空间分辨率的多光谱图像的过程.本文提出了一种新的遥感图像融合变分模型,在变分模型中引入新的边缘结构的空间信息约束项和波段之间关系保持约束项,构造了一个改进的能量泛函,更好地保持光谱性和增加多光谱图像的空间分辨率.在Pleiades和QuickBird数据集上验证了该方法的有效性,并和大量优秀的方法对比分析.实验结果表明该模型可以生成高空间分辨率和光谱性保持优良的融合图像.

摘要： 目的：针对当前鲁棒无损信息隐藏算法容量偏低的问题,提出一种多光谱图像鲁棒无损的信息隐藏算法.方法：首先在光谱方向采用Karhunen Lo(e)ve变换(KLT),再对得到的KLT本征子图像进行Discrete Wavelet变换(DWT),将DWT系数分决的均值作为统计量来隐藏信息,最后将浮点数变换和像素溢出引起的误差以无损隐藏的方式嵌入到含密图像中.结果：实验结果表明,提出的算法在嵌入容量、图像质量和鲁棒性上均有较好性能.结论：与典型算法相比,在图像质量相当的情况下该算法的嵌入容量和鲁棒性均得到提高.

摘要： 为提高多光谱图像信息隐藏算法的鲁棒性,提出一种基于图像Contourlet变换和张量Tucker分解的信息隐藏算法.将多光谱图像各波段Contourlet变换域低频系数构成三阶张量并进行Tucker分解,在核心张量最后的前向切片中嵌入水印信息.卫星多光谱图像实验结果表明,提出算法对多光谱图像常见的处理如压缩、裁剪等具有很强的鲁棒性.

摘要： 研究对玉米进行分块种植和变量施肥控制。氮肥施用采取了四个水平胁迫，并在不同的生长期采集其叶片叶绿素含量，株高数等生理指标数据信息，以及多光谱图像数据信息。对多光谱图像进行冠层分割等处理，并提取了图像的NIR/G 的比值特征参数。同时结合实验室对叶片叶绿素的化学测定，建立了多光谱图像与叶绿素之间的关系模型，相关性系数R2达到了0.637，为基于光谱图像的玉米长势无损监测提供了依据。研究在图像分割与指数提取方面需要进一步研究。

摘要： 由于获取地物波谱信息的波段范围及成像方式的不同，SAR与多光谱图像所得到的信息有很大差异，许多能在融合其他图像源时获得理想效果的方法难以应用在SAR与多光谱图像融合领域。基于此，提出了一种新的基于窗口策略的非下采样Contourlet变换图像融合算法。为充分保留SAR图像中的重要目标信息以及多光谱图像中的细节信息，对分解后的低频系数采用取绝对值最大的规则，高频系数采用以空间频率为度量标准结合自适应因子的融合规则。实验结果表明，所提算法的融合结果既可保持多光谱图像的空间分辨率，又可有效获取SAR图像的重要目标信息，融合效果优于基于像素点的Contourlet变换算法以及基于像素点的非下采样Contourlet变换法。

摘要： 针对多光谱城市水体检测易受建筑物阴影、沥青房顶、黑色玄武岩等干扰的问题,提出一种新的多光谱城区水体自动提取算法.基于水体在近红外波段的强吸收特性,对近红外波段影像采用自适应阈值实现水体初步提取;基于水体及建筑物阴影、沥青屋顶等在多光谱图像的谱间特性,对初步检测区域进行筛选,实现水体精确检测.结果表明,单波段自适应阈值与谱间关系模型相结合的方法在城市水体检测中有较高的准确率并且能够有效避免建筑物阴影、植被等因素的干扰.

摘要： 为了将低分辨率多光谱图像与高分辨率全色图像进行有效地融合，提出了一种基于IHS变换结合小波变换的新的图像融合算法。该方法将多光谱图像的强度(I)分量图像与高分辨率全色图像进行小波分解，根据各自的高低频率特征进行不同准则的融合，将形成的新的高低频率进行小波逆变换得到新的I分量图像，最后进行IHS逆变换得到最终的融合图像。实验结果表明，该方法不仅减少了光谱扭曲值，同时还能有效地提高空间分辨率。

摘要： 随着多光谱遥感技术的发展，多光谱图像的压缩受到越来越多的关注，希望在压缩中尽量减少信息损失，即进行无损／近无损压缩。提出了基于神经网络的主分量分析(PCA)方法。实验结果表明，该方法完全可以达到与K-L变换相当的压缩效果，并克服了K-L变换计算复杂、需要大量存贮空间的缺点。

摘要： 风云二号C星(FY-2C)是我国研制的新一代地球静止轨道气象卫星，其五通道扫描辐射计能连续获取可见光和红外图像。遥感各波段记录了地物波谱的微弱差异，充分利用地物在不同波段的差异，可以更有效地识别物体。主成分分析是在统计特征基础上的多维正交线性变换，减少了各波段信息之间的冗余，达到了保留主要信息，压缩数据量，增强和提取更具有目视解译效果的新波段的目的。本文通过对同时次的FY-2C星三个红外波段图像进行K-L变换，将各波段有用信息压缩到尽可能少的主成分中，进而实现了对云特征量的提取。

摘要： 用于根据遥感信息生成可视化信息的系统和方法可以包括收集第一遥感图像。第二遥感图像可以被收集。所述图像可以被处理以便以基本相同的取向对图像进行定向。第一和第二图像可以被打印到单个材料上，并且所述单个材料可以被配置为使得观看者能够在观看所述材料时以不同角度分别地观看每个遥感图像。所述图像可以处于不同的波长范围内。在一个实施例中，所述遥感信息被打印在或者附着在微透镜阵列上，所述微透镜阵列使得观看者能够通过改变该观看者通过所述微透镜阵列进行查看的角度来查看所述遥感图像之中的每一个。

摘要： 本发明公开了一种基于高光谱和多光谱图像融合生成高光谱图像的方法及系统，本发明基于高光谱和多光谱图像融合生成高光谱图像的方法包括：将输入的高光谱图像Y进行子空间分解以提取得到待生成的高光谱图像的左低秩向量U；将输入的多光谱图像Z通过训练好的深度生成网络，生成待生成的高光谱图像的右低秩向量V；将待生成的高光谱图像的左低秩向量U和右低秩向量V融合生成高光谱图像X；本发明的系统包括用于获取输入的高光谱图像Y以及多光谱图像Z的光学元件及成像传感器。本发明能够基于高光谱和多光谱图像融合生成高光谱图像，降低高光谱图像获取的成本和效率。

摘要： 本发明涉及时空谱遥感数据融合技术领域,尤其是一种面向高光谱图像和多光谱图像的时空谱融合方法，通过对高分一号多光谱(GF1WFV)图像和高分五号高光谱(GF5AHSI)图像的预处理，并对光谱图像空间分辨率和高光谱图像光谱分辨率的分析，将参考时刻的高光谱分辨率和预测时刻的多光谱高空间分辨率进行保留，构建时空谱综合预测模型，得到集合新时相的高空间高光谱图像，并利用预测时刻的多光谱图像进行验证。本发明的有益效果是在某时刻高光谱图像难以获取时，可用过去时刻的多光谱图像和高光谱图像进行预测，得到一幅能够满足需求时刻高空间分辨率的高光谱图像，解决数据源的问题，从而服务于众多高光谱应用领域。

摘要： 本发明公开了一种多光谱图像与单光谱图像的匹配方法，基于单光谱采集的注册图像I0和一基于多光谱采集的识别图像Ii，i＝1,…,N，该N为多光谱的数量，即由N个光谱构成的多光谱；所述注册图像I0通过算法生成一个注册编码T0，所述识别图像Ii通过算法生成与多光谱中每个光谱相对应的识别编码Ti，i＝1,…,N，其包括以下步骤：a.计算单光谱注册图像I0与多光谱识别图像Ii的区分度Di，i＝1,…,N；b.设置预设阈值THi,i＝1,…,N，计算Di∈D且满足Di小于等于THi的数量，该计算函数如下：c.当满足以下条件时，单光谱采集的注册图像I0和多光谱采集的识别图像Ii认定为同一虹膜的图像：

摘要： 本申请提出了一种基于光谱库优化学习的多光谱图像光谱超分方法，包括：获取高空间分辨率的多光谱遥感图像、涵盖图像观测区域地物类别的光谱库、光谱库的波段配置矩阵和拟重建高光谱遥感图像的波段配置矩阵；对光谱库的波段配置矩阵和拟重建高光谱遥感图像的波段配置矩阵进行匹配获得特定波段光谱库；对多光谱遥感图像和特定波段光谱库进行稀疏表示，并通过优化学习获得表达特定波段光谱库的光谱字典和等价稀疏系数；通过表达特定波段光谱库的光谱字典和等价稀疏系数的乘积获取光谱超分辨后的高空间分辨率的高光谱遥感图像。本申请实现了由单帧多光谱图像到高光谱图像的高精度与高稳定的光谱超分辨率重建。

摘要： 本发明属于高光谱与多光谱图像融合领域，具体提供一种基于空间‑光谱联合低秩的高光谱与多光谱图像融合方法，通过对空间‑光谱维度的非局部低秩表示和相关优化方法实现高光谱与多光谱图像的融合。在尽可能减少光谱失真的前提下，利用已知多光谱图像丰富的空间信息进行非局部自相似数据块的提取，接着考虑重构图像空间和光谱维度的低秩特性，采用低变换张量秩的方式探索图像中的相似性和相关性，最后通过分段优化的思想和交替方向乘子法迭代求解目标优化函数实现高光谱与多光谱图像的融合。本发明通过非局部联合低秩实现了高光谱与多光谱图像的有效融合，从而得到高分辨率的高光谱图像，进一步使得光谱图像的应用更加广泛。

摘要： 本发明公开了一种基于多尺度空谱变换的高光谱与多光谱图像融合方法，其中，上述方法包括：使用双分支网络结构在融合前先进行跨分支融合以加强双分支网络提取特征之间的相关性；采用基于空间域划分的多头自注意力提取光谱特征，能有效获取光谱的全局特征；采用多尺度补丁提取空间特征以更好地挖掘多光谱中丰富的空间特征，再融合光谱特征和空间特征并进行图像重建，获得高分辨率高光谱图像。与现有技术相比，充分考虑到多光谱图像和高光谱图像特征图之间的相关性，提取特征精度高，能获得高质量的高分辨率高光谱图像。

摘要： 本发明公开了一种异时异源多光谱图像盲光谱超分辨方法及系统，包括：根据预设的第一、第二阈值分别对异时异源的第一、第二光谱图像进行提取筛选得到第一新光谱图像块集合和第二新光谱图像块集合；搭建对抗生成网络，将第一新光谱图像块集合和第二新光谱图像块集合输入至对抗生成网络进行训练得到训练好的对抗生成网络；将对抗生成网络中的生成网络参数转换为光谱下采样矩阵，利用光谱下采样矩阵重采样第一光谱图像得到第二图像；搭建光谱超分辨率网络，根据第一光谱图像和第二图像对光谱超分辨率网络进行训练得到训练好的光谱超分辨率网络；将第二光谱图像输入至训练好的光谱超分辨率网络，得到满足预设要求的光谱分辨率图像。

摘要： 本发明公开了一种中波红外高光谱及多光谱图像融合方法、系统及介质，本发明包括对输入的中波红外高光谱图像Y空间上采样得到上采样中波红外高光谱图像YU；将输入的中波红外多光谱图像Z与所述上采样中波红外高光谱图像YU按光谱维度拼接得到图像块C；提取图像块C的残差图像Xres；将残差图像Xres、上采样中波红外高光谱图像YU基于位置的像素值相加，得到融合后的中波红外高光谱图像X。本发明能够有效实现低分辨率的中波红外高光谱图像和高分辨率的中波红外多光谱图像融合得到高分辨率的中波红外高光谱图像，具有重构精度高、计算效率高、普适性和鲁棒性较强的优点。

摘要： 本申请提供了一种多光谱滤光片阵列、多光谱图像传感器以及多光谱相机，多光谱滤光片阵列包括至少一个滤光片单元，用于过滤入射光线，所述滤光片单元包括n×m个滤光片，所述n×m个滤光片包括至少5个中心波长不同的滤光片，所述至少5个中心波长不同的滤光片中包含至少1个近红外滤光片，所述n×m大于或等于9。本申请提供的多光谱滤光片阵列可以提高多光谱图像传感器成像的精度及效率。