基于改进TSUWI算法在山西矿山复杂水体提取中的应用研究

矿山水体提取存在光谱特征复杂、空间异质性和地物易混淆的难点,针对矿山水体提取存在的挑战,文章以具有代表性的山西矿山环境中的各类复杂水体为研究对象,提出了改进的TSUWI算法(MTSUWI)进行水体提取。通过面积分形阈值算法来自动设置水提取阈值,实现对矿区复杂水体的自动准确提取。实验采用1m分辨率的GF2山西新柳矿区的影像数据,通过与其他经典方法的对比分析,文章的方法取得了最佳的实验结果。     

植被光谱特征位置选取与影响因素分析

文章通过对植被进行光谱测量,并对测量数据进行初步处理及定性分析,比较了几种不同的数据处理方法及各自的优缺点,通过数据的处理对各种植被光谱在不同条件下出现差异的原因作了初步的探讨,并提取了植被的光谱特征及影响因素,分析了植被光谱遥感的应用前景。     

基于面向对象技术的水边线提取快速方法

文章针对遥感方法提取弱水边线不连续问题,结合Canny算子边界定位的准确性与支持向量机二元分类的优越性,提出了基于面向对象技术的水边线快速提取方法。采用Canny算子对遥感影像进行影像分割,支持向量机结合纹理、几何等空间信息方法对分割单元进行水体与非水体信息二元分类。根据热红外波段水体非水体光谱特征,使用交互式数据语言编程基于网格法自动选择水体与非水体样本,快速完成水边线矢量信息提取。实验结果表明:该方法提取水边线快速、高效,在弱水边线处水边线在定位精度、连续性方面与其他方法相比表现出较大优势,研究结果对海岸线调查、潮滩地形遥感反演具有重要的参考价值。     

傅里叶变换红外光谱分析6种不同陈化时间六堡茶

对不同陈化时间六堡茶茶叶粉末和提取物进行傅里叶红外光谱分析,考察陈化时间与红外光谱特征关系。结果表明:六堡茶陈化时间不同,其红外光谱不同;茶叶粉末与提取物的红外光谱差异较大;除了共同红外光谱特征,还具有因陈化时间变化引起成分差异的特征红外光谱;同一厂家不同陈化时间的六堡茶样品根据红外光谱的峰数、波数、峰形、相对强度及二阶导数谱的差异考察存在差异。利用傅里叶红外光谱法分析六堡茶,该方法快速、简便、直观,茶叶无需特殊处理,对同一厂家不同陈化时间六堡茶的分析鉴别有一定作用。     

基于高光谱技术的马铃薯外部品质检测

为了快速无损检测马铃薯外部品质,研究采用高光谱成像技术对马铃薯外部品质分级。选取合格、发芽、绿皮、孔洞4种马铃薯外部特征,获取光谱数据,采用不同预处理方法对光谱数据进行处理,并分别建立偏最小二乘判别模型,结果显示采用标准正态变量变换法(SNV)获得的模型效果最优。对预处理后的光谱数据利用连续投影算法(SPA)及加权权重法(WWM)分别优选出了13个和9个特征波段,对两种不同方法得出的特征波段分别建立了支持向量机判别模型,结果显示两种方法对预测集的判别准确率均达到了100%,WWM-SVM判别模型对校正集的交叉验证率为99.5%,高于SPA-SVM判别模型的交叉验证率。利用高光谱成像技术结合SPA-SVM和WWM-SVM对马铃薯外部品质进行分级具有可行性。     

基于高光谱图像的玉米种子产地与年份鉴别

提出了一种利用高光谱图像技术对玉米种子产地和年份的鉴别方法。首先采用高光谱成像系统采集不同产地和年份的玉米种子高光谱图像,利用主动轮廓模型对玉米种子高光谱图像进行轮廓提取,得到每粒玉米在400~1 000 nm共233个波段范围内的4个光谱特征,利用不同的特征及预处理方式结合偏最小二乘判别分析建立玉米种子的产地和年份鉴别模型。结果显示,利用最佳特征及预处理方式建立的玉米种子产地和年份鉴别模型中,训练集和测试集精度分别为99.11%和98.39%。研究结果表明,利用高光谱图像技术对玉米种子的产地和年份进行无损鉴别是可行的。     

高光谱成像技术检测油茶果成熟度

为解决油茶果采摘期判断不准确可能导致的茶油产量降低问题,应用高光谱成像技术结合化学计量法对油茶果成熟度进行定性判别。完成了高光谱图像的曲率校正,分析不同成熟阶段油茶果的光谱特征和理化特征的变化情况。使用4 种不同的分类算法建立基于全波段光谱数据的油茶果成熟度判别模型,发现支持向量机（support vector machine,SVM）模型的分类正确率最高为97%。结合5 种特征变量选择方法对全波段光谱数据进行降维,发现经过竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）选择的特征波长建立的模型正确率最高为82%。提取高光谱图像中的颜色特征和纹理特征建立SVM模型后发现,融合颜色特征和光谱特征建立的SVM模型的正确率高于使用单一的光谱特征（经CARS降维）建立的模型正确率：训练集分类正确率为95%,测试集正确率为93%。结果表明,利用高光谱成像技术能够对不同成熟度的油茶果进行较准确的分类,为茶农对油茶果最佳采摘期的判断提供科学依据,在保障茶籽产量最大化、油质最优化等方面具有重要意义。     

板蓝根颗粒质量控制方法的研究

用傅里叶变换红外光谱(FT-IR)结合核磁共振氢谱(IH-NMR)研究了传统中成药板蓝根颗粒的质量控制方法.对其所含主要成分进行了测试与研究,定量分析了其蔗糖的含量,并对不同厂家板蓝根颗粒的甲醇和无水乙醇提取物红外谱图进行了光谱特征的分析.结果表明:醇提可以有效减少板蓝根颗粒中蔗糖等辅料的干扰,使原料的红外谱图特征明显;通过比较不同厂家板蓝根颗粒醇提物红外谱图与板蓝根水提物红外谱图的相似度,可以客观反映板蓝根颗粒的质量;不同厂家的板蓝根颗粒蔗糖含量差异是明显的.因此红外光谱技术结合溶剂提取分析板蓝根颗粒的光谱特征,能够更有效与直硬.反应出不同生产厂家产品质量的差别.     

基于高光谱成像技术的酿酒高粱品种分类

针对不同品种酿酒高粱分类难、分类精度有待提高等问题,提出了一种结合光谱和图像信息的高光谱成像技术从而对酿酒高粱进行分类的方法。通过采集11类共550个高粱样本的高光谱数据,运用连续投影算法从多元散射校正预处理后光谱中筛选出48个特征波长,再提取图像的灰度共生矩阵作为图像特征,利用纹理特征、全光谱、特征光谱及其结合图像特征分别建立支持向量机、偏最小二乘判别和极限学习机分类模型,最后再采集220个未参与建模样本对所建模型进行外部验证。结果表明,基于特征光谱结合纹理特征建立的支持向量机模型效果最佳,训练集和测试集的识别率分别为96%和95.3%,验证集的识别率达到91.8%,高于单一光谱数据建模效果,说明光谱和图像信息结合可以提高酿酒高粱的分类识别率。该方法为高粱品种的高精度分类和不同酿酒原料的快速无损检测提供了可行的方法。     

近红外光谱技术结合化学计量方法用于大米的快速分析

基于近红外光谱结合化学计量学建立一种可以快速、无损鉴别大米品种的新方法。采集不同厂家以及不同品牌的大米共115类并得到其光谱数据。利用连续小波变换技术消除背景干扰和基线漂移,从而加强光谱特征信息,提高信噪比。此外,结合主成分分析方法对不同品牌与不同厂家的大米进行鉴别分析。结果表明:连续小波变换可以有效地消除背景干扰,极大地提高模型的鉴别能力。采用近红外光谱技术结合化学计量学方法可以准确地鉴别不同大米的品种及产地。     

基于不同波段的枸杞多糖及总糖高光谱成像检测

采用高光谱图像技术对枸杞多糖和总糖含量进行检测,并探寻其最适宜的光谱波段。首先采用多元散射校正、Savitzky-Golay平滑(S-G平滑)和标准正态变量变换3种常用光谱预处理方法对原始光谱进行预处理,并对结果进行对比,选择多元散射校正预处理方法,以消除散射的影响;然后分别基于相关系数的数值及不同范围波长的特性,选择有效波段、可见光波段、近红外波段及全波段图像的平均光谱反射值作为特征参量;最后建立基于不同特征参量的枸杞多糖和总糖含量的BP神经网络预测模型。结果表明:基于全波段条件下光谱信息所建立的预测模型最佳,枸杞多糖含量预测正确率为97.59%,相关系数为0.997 4,均方根误差为0.077 7,枸杞总糖含量预测正确率为100%,相关系数为0.996 8,均方根误差为0.250 6。因此高光谱无损检测枸杞多糖和总糖含量具有可行性。     

基于eCognition的面向对象城市道路提取

基于面向对象思想,使用高分一号影像对赣州市开发区城市道路进行提取。利用分水岭分割算法对影像进行分割后,通过水体和植被的特征提取出道路潜在区域,结合最能区别道路与其他地物的光谱特征和几何特征,利用eCognition的最邻近分类器提取出道路目标。     

基于高光谱成像技术的小麦籽粒品种鉴别方法研究

为了更精确地鉴别小麦品种,实现小麦品种快速、无损、有效、稳定的鉴别。利用高光谱成像系统采集6个小麦品种籽粒光谱和图像信息,提取小麦籽粒胚、胚乳、胚和胚乳混合部位的光谱,采用不同的预处理方法对原始光谱进行处理,利用竞争性自适应重加权算法(CARS)和连续投影算法(SPA)提取特征波长,基于全波长和特征波长建立线性判别分析(LDA)、支持向量机(SVM)和K最邻近(KNN)模型,筛选出最佳的籽粒部位光谱、预处理方法和特征波长提取方法;在此基础上,分析光谱信息、形态特征及二者结合信息对小麦品种的鉴别效果。结果表明,基于34个特征波长光谱信息结合形态特征建立的LDA模型效果最佳,其训练集和预测集的正确判别率分别为91.3%和86.0%。基于高光谱成像技术进行小麦品种鉴别是可行和有效的。     

基于可见/近红外光谱技术的橘小实蝇侵染柑橘检测研究

目的 使用可见/近红外光谱技术实施橘小实蝇侵染柑橘不同时期的无损检测。方法 研究选取人工制备的不同侵染时期的柑橘样本作为研究对象,利用搭建的可见/近红外光谱系统测量的光谱信息结合人工标定的侵染时期,对原始光谱进行了5种预处理,采用竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、连续投影算法（successive projection salgorithm,SPA）两类方法提取反映侵染柑橘时期变化的光谱特征波长,应用偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)建立基于特征波长光谱的柑橘侵染时期分类模型,对比分析不同光谱预处理方法的模型分类效果。结果 原始光谱经多元散射校正（multiplicative scatter correction,MSC）预处理的模型分类效果最佳,分别经CARS方法和SPA方法优选出了34和16个光谱特征波长。采用MSC-CARS-PLS-DA方法构建的模型分类效果最好,总准确率假阳率分别达到了96.8%和100.0%,模型对健康柑橘和侵染柑橘有较强的分类能力。结论 通过可见/近红外光谱结合PLS-DA判别方法,可以实现橘小实蝇侵染柑橘的无损检测,为今后继续开展橘小实蝇侵染柑橘光谱检测研究提供参考依据。     

孔雀石的常规宝石学特征分析

本文选取6件不同花纹不同结构的孔雀石样品,通过常规宝石学测试、显微观察、紫外—可见光光谱、红外光谱、拉曼光谱及X荧光光谱进行研究分析,可得出其在折射率、相对密度、紫外荧光等方面的特征基本相同。经红外光谱和拉曼光谱测试可见[CO3]基团引起的晶格振动及[OH]振动,具有典型的孔雀石特征峰谱图。经X荧光光谱无损测试可见明显的Cu元素峰,结合紫外—可见光光谱推测孔雀石的致色元素为Cu。     

基于近红外光谱技术预测玉米伏马菌素

为了更好地利用近红外光谱分析技术对玉米伏马菌素含量进行预测,减小因玉米产地间的差异对玉米近红外光谱预测模型的影响,以不同产地的玉米作为研究对象,利用x-y共生距的方法将试验样本划分为校正集与验证集,采用经典的偏最小二乘法分别建立不同产地和混合产地的玉米伏马菌素预测模型,并采用验证集样本分别对模型的预测精度进行验证。为了减小建模及预测过程的运算量,采用连续投影算法(SPA)和竞争性自适应加权算法(CARS)对不同产地玉米的近红外光谱的特征波长进行筛选,筛选出22个特征波长变量作为输入,大大降低了建模及预测过程的运算量,同时预测准确度也有所改善,其预测相关系数达到0.954,为快速、无损地实现对玉米伏马菌素的检测提供了可靠的理论依据。     

红外光谱差减技术在纺织品定性分析中的应用

介绍了傅里叶红外光谱仪及其衰减全反射附件的工作原理和优缺点.不同的纤维具有不同的化学基团和不同的分子结构,因而在红外光谱中会出现不同的特征吸收.对已知纤维的红外光谱图与未知纤维的红外光谱图进行比较,就可以对纤维的种类进行定性.对含有多组分纤维的混纺织物,由于其各组分特征基团之间存在相互干扰,分子内基团的红外吸收会受到邻近基团及整个分子其他部分的影响,所以各纤维原有的特征吸收峰会在一定范围内波动,使得原有纤维特征峰的选择变得不容易,这也是目前红外光谱仪不能大量有效应用在纤维定性分析上的主要原因之一.文章依据红外光谱吸光度的加和性原理,尝试利用红外光谱的差减技术解决这一难题.     

基于信息熵的枸杞分级高光谱图像特征波长选择方法（英文）

为获得适合枸杞分级的最佳高光谱特征波长图像,实验提出一种基于信息熵的高光谱图像特征波长选择方法。通过计算在不同波长条件下每一个枸杞样本的自信息,得到每一类枸杞高光谱图像的平均自信息;通过计算对应任意2个不同类别的枸杞样本的互信息,得到任意2类枸杞高光谱图像的平均互信息。最终获得枸杞高光谱图像在某一波长条件下的平均互信息与各自平均自信息和的比值,定义为A。A值可以作为枸杞分级高光谱图像特征波长选择的量化指标。结果显示,枸杞分级的最优波长为950 nm。最后,提取特定波长条件下所有枸杞图像的纹理特征,并采用Fisher判别分析对6类枸杞进行分类验证。基于信息熵的枸杞分级高光谱图像特征波长选择方法是可行的。     

基于Sentinel-2遥感影像的烟草种植信息精准提取

为探索快速、实时、精准和更具成本效益的烟草面积和产量监测方法,选取云南省德宏傣族景颇族自治州芒市为研究区域,采用Sentinel-2多光谱数据为数据源,对2020年3月份云南省德宏州芒市烟草、林地、水体等地物光谱特征和植被指数、红边指数进行了分析,应用面向对象的方法精准提取烤烟种植区域信息,提取的烟草面积为3 873.34hm²。精度评价结果表明,提取的总体精度达到94.38%,Kappa系数为0.93,可满足烟叶生产管理的实际需求。认为以Sentinel-2多光谱影像为数据源结合面向对象的方法可以有效实现烟草种植信息的精准提取,进而为县域范围内烟草生产管理提供数据支撑。     

近红外光谱技术结合神经网络检测苹果咀嚼性

以不同储藏期的135个苹果样品为研究对象,对其近红外光谱数据进行预处理并通过主成分分析法提取光谱特征,采用人工神经网络技术建立苹果咀嚼性的近红外光谱检测模型。结果表明,对苹果光谱咀嚼性的最佳光谱预处理方法是加权多元散射处理(WMSC)的光谱散射处理方法和"2441"的数学处理方法,通过主成分分析法提取3个主成分作为原始信息的特征变量,建立苹果咀嚼性检测的人工网络模型结构为3—16—1,模型对验证集预测的决定系数为0.992 4,均方根误差为0.000 108 2。近红外光谱技术能对苹果咀嚼性进行快速、无损预测。