结合小波变换和RBF神经网络进行光谱自动分类

本文提出了一种基于小波变换和RBF神经网络的天体光谱分类方法。首先利用小波变换除去谱线中的噪声、提取特征谱线；然后使用RBF神经网络分类，RBF网络的输入为提取的特征谱线。实验结果显示该方法具有良好的鲁棒性，算法效率很高，正确分类率(CCR)远远高于经常采用的主成分分析特征提取方法，因此特别适合于低信噪比的光谱数据分类。     

基于拉曼光谱CCD信号的谱峰识别技术研究

针对在线拉曼光谱信号存在荧光背景和严重谱峰重叠的情况,提出了一种从含荧光背景信号中提取有用信号并对其进行充分分离的谱峰识别方法。首先采用小波变换扣除原始信号中的荧光背景(即低频成分),然后采用免疫算法对有用信号进行分离。由于免疫算法在组分较多情况下收敛速度慢甚至不收敛,因此,又采用主成分分析(PCA)法得到累计百分比,对免疫算法中的标准信号进行加权,从而完成对重叠拉曼光谱信号正确、快速地识别,并很好的满足了在线拉曼光谱仪在工业现场谱峰识别准确快速的要求。     

基于小波变换的近红外光谱校正转移研究

多变量校正模型在光谱技术的测量系统中至关重要,为了构建一个稳健的校正模型,往往需要花费大量人力和财力.然而,当采集样品光谱的仪器不同于建立校正模型的仪器或由于环境因素的影响原仪器已经发生变化时,模型将失效.因此,本文创造一种基于小波变换的校正转移(标准化)法,用于两台近红外光谱仪之间的光谱转移,转移性能比分段直接标准化方法更好.     

紫外可见光谱结合主成分分析对文物颜料光致变色的评价研究

通过模拟博物馆馆藏环境搭建了颜料光致变色研究的实验装置,采用漫反射紫外可见光谱技术对古书画、壁画等常用的朱砂、朱磦、胭脂、三绿、三青颜料在365nm紫外光照射下的变色规律进行了考察,并利用主成分分析对光谱数据进行分析,进一步对其变色规律进行研究。结果显示,朱砂、朱磦、胭脂三种颜料的光谱呈"S"型,它们对365nm紫外光的稳定性依次为朱磦、朱砂、胭脂;三绿和三青的光谱呈"钟"型,三绿的稳定性好于三青。所建立的漫反射紫外可见光谱方法为颜料光致褪色的规律及机理研究提供了新的无损分析手段。     

辣椒粉掺杂苏丹红的近红外光谱鉴别及其含量测定方法研究

研究应用漫反射近红外光谱快速鉴别辣椒粉中的苏丹红及其含量测定的方法。利用漫反射模式直接测定含有苏丹红的辣椒粉的近红外光谱,采用多元散射校正(MSC)方法对光谱进行校正,利用主成分分析研究含有苏丹红的辣椒粉和未含苏丹红的辣椒粉空白样品的分类。根据高效液相色谱测定辣椒粉中的苏丹红含量,利用偏最小二乘方法(PLS)建立苏丹红含量与近红外光谱之间的线性模型。结果显示,利用主成分分析可以方便、快速和准确地区分有无苏丹红的辣椒粉;苏丹红含量与近红外光谱具有良好的线性关系,当隐变量数目为7时,PLS模型的预测误差达到0.428μg/g,预测相关系数达0.973。     

基于独立成分分析的高光谱图像有损压缩方法

提出一种结合小波变换和独立成分分析(ICA)的高光谱图像有损压缩方法。采用最大似然估计与最大噪声分离相结合的方法对原始高光谱数据进行维数估计。依据维数估计的结果在光谱方向上采用 ICA,在空间上运用离散小波变换。对于变换后的系数,使用多级树集合分裂算法和算术编码分别进行量化编码和熵编码。在机载可见光/红外成像光谱仪220波段高光谱数据上的实验结果表明,该算法可以在获得较高压缩率的同时,保留高光谱图像的光谱特性。     

PCA与移动窗小波变换的高光谱决策融合分类

目的 高光谱数据具有较高的谱间分辨率和相关性,给分类处理带来了一定的困难.为了提高分类精度,提出一种结合PCA与移动窗小波变换的高光谱决策融合分类算法.方法 首先,利用相关系数矩阵对原始高光谱数据进行波段分组;然后,利用主成分分析对每组数据进行谱间降维;再根据提出的移动窗小波变换法进行空间特征提取;最后,采用线性意见池(LOP)决策融合规则对多分类器的分类结果进行融合.结果 采用两组来自不同传感器的数据进行实验,所提算法的分类精度和Kappa系数均高于已有的5种分类算法.与SVM-RBF算法相比,本文算法的分类精度高出了8％左右.结论 实验结果表明,本文算法充分挖掘了高光谱图像的谱间-空间信息,能有效提高分类正确率,在小样本情况下和噪声环境中也具有良好的分类性能.     

提升小波和Savitzky-Golay滤波结合的近红外光谱去噪研究（英文）

在近红外光谱数据处理中,测得的近红外光谱数据不仅有被测样品的近红外特征光谱,还包含一些随机噪声,噪声的存在会影响后续光谱分析的准确性,为提高近红外光谱分析精度,需要对近红外光谱数据进行去噪处理。单一的提升小波去噪、小波去噪以及Savitzky-Golay滤波很难获得较好的去噪效果。因此提出将提升小波变换结合Savitzky-Golay滤波方法用于近红外光谱去噪,对降噪效果进行仿真与评估并与单一去噪方法进行对比。分别对添加随机噪声的1 467 nm近红外光谱进行单一小波去噪、提升小波去噪、Savitzky-Golay滤波以及提升小波变换结合Savitzky-Golay滤波进行去噪。实验结果显示所提出的方法去噪后的信噪比比单一三种去噪方法分别提高0.336 4、1.107 4、0.128 7,均方根误差分别降低0.002 6、0.009 1、0.001,表明所提方法能够有效去除近红外光谱中的噪声信息,并提高去噪的评估指标。     

基于人工神经网络的色氨酸对映异构体的荧光光谱测定方法研究(英文)

将荧光光谱,人工神经网络和主客体化学方法相结合,建立了一种色氨酸对映异构体组成的定量测定方法。该方法基于牛血清蛋白的手性识别功能,运用荧光光谱表征色氨酸对映异构体与牛血清蛋白之间的非对映异构相互作用,利用加入了牛血清蛋白的色氨酸溶液的荧光光谱会随其中色氨酸对映异构体组成的变化而变化的现象,以人工神经网络方法建立了荧光光谱与对映异构体组成之间的数学模型。对于建立的人工神经网络模型用留一交叉验证方法进行了检验。检验结果表明,该方法是一种可行的、灵敏度较高的色氨酸对映异构体组成的测定方法,能够用于测定浓度为2.500μmol·L^-1的色氨酸溶液中2种色氨酸对映异构体的摩尔分数。     

近红外光谱信号的优化处理

用实验室常规方法测定竹材样品的木质素含量,漫反射方式采集样品的近红外光谱信号,偏最小二乘法(PLS)和完全交互验证方式以建立毛竹木质素含量的定量分析模型。研究主成分数、建模谱区、求导和平滑预处理技术对定量分析模型的影响。结果表明,预处理技术压缩和恢复的近红外光谱信号效果良好,提高了模型的预测能力,优化近红外定量分析模型有重要参考价值。     

遗传神经网络在近红外光谱煤质分析中的应用研究

针对BP神经网络收敛速度慢及容易陷入局部最优解的缺点,结合遗传算法全局搜索的特点,提出了一种基于遗传算法和BP神经网络建立近红外光谱煤质分析模型的方法;并利用主成分分析法提取煤炭样品的主成分值,有效地压缩了数据。实验对比了BP模型与GA-BP模型,结果表明,GA-BP模型能有效地减小测试集的预测值与真实值之间的误差平方和,相关系数也得到了提高,有效地提高了预测精度和分析速度。     

基于对偶树复小波变换与PCA方法结合的图像变化检测算法研究

图像变化检测是遥感图像处理领域重要方向,大多数变化检测算法都存在算法复杂度高、抗噪性弱等缺陷,利用对偶树复小波变换的平移不变性与能提高方向分辨率的优点,把对偶树复小波变换运用于变化检测中,可以提高图像细节变化的检测和算法抗噪性。首先用对偶树复小波变换对图像进行尺度分解,把图像在每个尺度上分解成一个低通子图和六个方向的高通子图。然后运用PCA(主向量分析法）提取每个尺度与方向上的特征并降维,然后运用k均值算法将图像像素分成为变化与不变化两类,最后通过多尺度融合,得到变化检测图像。     

基于边框线的版面分析方法应用于选票处理

民主选举过程中选票的统计是一项严肃而繁琐的工作,传统的手工操作方法不仅效率低,而且在统计过程中很容易出错,影响了选举工作的进度及质量。选票信息的自动处理能提高录入速度、准确率和公正性。选票信息自动处理的核心是选票版面结构获取和填写信息识别。该文提出了一种基于边框线的选票版面分析方法,并采用OCR(OpticalCharacterRecognition)识别填写信息,该方法具有对选票的设计更方便灵活、纸张和填写的要求低、精度高、通用性好的特点。     

基于近红外光谱的柴油凝点计算机软测量法

柴油是重要的石油化工产品,凝点是确定其品质的主要理化指标,但传统测定方法周期长、费用高,且易受人为的影响。本文提出一种用近红外光谱(NIRS)分析技术的柴油凝点软测量方法。先用多项式卷积为原始的柴油MR光谱数据作光谱平滑、基线校正和标准归一化;然后,利用主元分析(PCA)组合近红外光谱数据集的高维特征并向低维空间投影,降低输入维数,提高各维特征的敏感性;最后,用最小二乘支持向量机(LS-SVM)回归算法建立凝点的软测量模型。用一个含120个样本的401维柴油近红外全光谱数据集建模和检验,通过PCA后,全光谱数据集的特征降到了6维,并保留了99.6%的信息。进一步的实验表明,采用PCA提取特征做软测量建模的性能,要普遍优于直接作用在光谱波长域的方法。与BP、PCA BP及PCA SVM方法相比,所提方法建立的柴油凝点软测量模型测量精度更高,且与标准方法测量的结果更为接近,因此,又为柴油凝点的在线测定提供一种新方法。     

拉曼光谱快速鉴别品牌药与仿制药的研究

本文用拉曼光谱结合随机森林法很好的区分了相同药品不同厂家之间差异,为拉曼光谱用于快速区分仿制药和品牌药奠定基础。选用了1个品牌药厂家和6个仿制药厂家生产的卡托普利片作为实验研究对象,经过截取拉曼波长范围、光谱平滑、背景扣除、中心化等预处理,优化参数后,用随机森林法和主成分分析投影判别分别建立分析模型。计算结果表明:随机森林法所建立的分类模型可以区分卡托普利片的品牌药与仿制药厂家间的差异性,结果优于的主成分分析降维后不同主成分数下的投影判别分析效果。因此结合随机森林法能为拉曼光谱在药品快检中的高效、快速、无损分析提供有力保障。     

基于主分量分析的高光谱遥感数据噪声消除方法

高光谱遥感数据是一种超维数据,噪声随机地存在于其多个通道图像上,而某些特征谱段图像的信噪比在很大程度上影响着具体的光谱特性分析的准确性,高信噪比意味着地物探测或识别的高准确性;提出了一种新颖的基于小波-PCA分析的高光谱遥感数据噪声消除方法,首先对高光谱各波段图像进行二维小波分解,然后将各小波子图像进行主分量分析,根据噪声特性自适应选取主分量进行PCA重构;得到去噪后小波图像,最后进行小波重构。通过对OMIS图像的实验结果表明,该方法不但可以有效地消除高光谱遥感数据中的噪声,改善图像的信噪比,还能比较完整地保留原有高光谱数据的空间和光谱特性,且性能上要优于PCA方法和小波分析方法。     

近红外光谱结合一致性检验对铁棍山药的鉴别研究

目的:利用近红外光谱技术快速鉴别铁棍山药和非铁棍山药.方法:采用二阶导数+矢量归一化法的光谱预处理方法,在(8 624.7～6 418.4)cm-1和(5 693.2～4 242.9)cm-1波长区间内提取信息,利用近红外光谱结合一致性检验对铁棍山药和非铁棍山药共115份样品进行鉴别研究.结果:以一致性指数CI=4为划分标准,光谱一致性指数在4以下的为铁棍山药,光谱一致性指数在4以上的为非铁棍山药.该方法能准确快速地鉴别铁棍山药.结论:近红外光谱分析技术是一种非常实用的新型分析测试技术,实验表明利用近红外光谱技术结合一致性检验鉴别铁棍山药的方法是可行的,为山药药材的鉴别以及中药的质量控制提供了一种快速可靠的检测方法.     

苹果近红外光谱的特征提取和分类研究

采用近红外光谱分析法对不同种类的苹果样品进行分类,提出一种基于非相关判别转换的苹果近红外光谱定性分析新方法。实验分别采用主成分分析、Fisher判别分析和非相关判别转换三种方法对苹果光谱数据进行特征提取,并使用K-近邻分类算法建立三种苹果分类识别模型,最后使用"留一"交叉验证法进行模型检验。结果表明,使用非相关判别转换方法建立的模型正确识别率优于使用主成分分析和Fisher判别分析建立的模型。     

薰衣草品种的FTIR快速分析鉴别研究

【目的】对不同品种薰衣草进行快速鉴别,为其正确使用提供可靠的科学方法。【方法】采用傅利叶红外光谱法测定93个属4种不同品种薰衣草花样品的红外谱图,以1600 cm^-1～1665 cm^-1范围内的吸收峰为指标,应用主成分分析（PCA）和径向基神经网络（RBFNN）进行数据分析,对不同品种薰衣草进行鉴别。【结果】对不同品种薰衣草的傅利叶红外光谱进行数据分析,主成分分析（PCA）结果表明,前3个主成分的累积可信度已达93.43%,可将薰衣草分为4个品种,基于FTIR谱的主成分分析能够在一定程度表征出薰衣草在不同品种的多样性分化,在对薰衣草品种进行主成分分析的基础上,选用64个薰衣草花样本建立径向基神经网络模型（RBFNN）,余下29个作为预测样本,所建模型的拟合率和预测品种的识别率均为100%。【结论】实验表明主成分分析（PCA）对不同品种薰衣草具有较好的聚类作用,径向基神经网络模型（RBFNN）能对薰衣草进行较好的识别,说明该方法能快速无损的鉴别薰衣草,为薰衣草的品种识别提供了一定的科学依据。     

结合伽马变换和小波变换的PCA人脸识别算法

为了有效地提取人脸特征,提出了一种在传统PCA算法的基础上,结合伽马变换与小波变换的人脸识别算法。该方法对人脸图像进行伽马变换,消除光照等非线性因素的影响;对变换后的人脸图像进行小波分解,用得到的低频分量来替代原始人脸;对得到的人脸低频分量作PCA特征提取,得到最终的鉴别特征。在ORL人脸库上进行测试,该算法的识别率比传统的PCA算法提高了6.5%。