作者单位
摘要
1 太原科技大学计算机科学与技术学院,太原 030024
2 中国科学院地理科学与资源研究所,北京 100101
针对稀疏描述方法因计算复杂度高难以满足实际需求以及对训练样本个数敏感的问题,提出一种差异性 Shearlet 特征的快速稀疏描述人脸识别方法。首先对人脸图像采用 Shearlet变换得到多尺度多方向的人脸特征;然后利用匹配得分融合策略对 Shearlet特征进行融合,构成差异性特征;进而构造针对每个测试样本的“最佳”稀疏表示并计算其相关系数;最后依据训练样本在描述测试样本中所做贡献的大小,实现对测试样本图像的分类识别。在 ORL和 YALE人脸库上的实验结果表明,所提算法在保证高识别率优势的同时大大降低了时间复杂度。
人脸识别 稀疏描述 Shearlet变换 匹配得分融合 face recognition sparse description Shearlet transform match score fusion 
光电工程
2016, 43(6): 25
作者单位
摘要
1 中国农业大学草地研究所, 北京100193
2 宁夏农垦茂盛草业有限公司, 宁夏 银川750023
田间快速估测苜蓿品质对于适时刈割具有重要意义。 试验共采集来自不同地域、 不同品种、 不同生育期和不同茬次的新鲜紫花苜蓿样170份, 经便携式近红外光谱仪(1 100~1 800 nm)扫描得到近红外光谱, 利用偏最小二乘法(PLS)在国内首次建立基于紫花苜蓿新鲜样品的干物质(DM)、 粗蛋白(CP)、 中性洗涤纤维(NDF)、 酸性洗涤纤维(ADF)化学分析值的近红外校正模型, 探讨利用近红外漫反射光谱技术(NIRS)在田间快速估测紫花苜蓿品质的可行性, 摸索设备选择和制样方法。 四项指标所建模型的交互验证决定系数(R2CV)分别为0.831 4, 0.597 9, 0.803 6和0.786 1; 交互验证均方根误差(RMSECV)为1.241 1, 0.261 4, 0.990 3和0.830 6; 外部验证决定系数(R2V)为0.815 0, 0.401 1, 0.784 9和0.752 1, 外部预测均方根误差(RMSEP)分别为1.06, 0.31, 0.95和0.80。 对于苜蓿鲜样来说, DM, NDF和ADF的近红外模型可以进行粗略的定量分析, CP的建模效果较差, 但因苜蓿中的粗蛋白含量一般都能满足家畜需求, DM, NDF和ADF是在适时刈割中最关键的估测指标, DM, NDF和ADF模型可以满足田间快速估测苜蓿品质的要求。
近红外漫反射光谱(NIRS) 新鲜紫花苜蓿 田间快速估测 品质 适时收获 Near infraredreflectancespectra(NIRS) Fresh alfalfa Rapid evaluation in the field Quality Optimum harvest time 
光谱学与光谱分析
2013, 33(11): 3010
作者单位
摘要
中国农业大学草地研究所, 北京100193
试验共采集我国北方不同区域、 不同生育期、 不同干燥方式的羊草干草150份, 利用近红外漫反射光谱(NIRS)技术,采用偏最小二乘回归算法(PLS),在国内首次建立了适配范围广的羊草干草的粗蛋白(CP)、 中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)的校正模型, 并对模型的预测能力进行了验证。 结果表明, 所建模型的预测结果与常规化学分析得到的结果十分相近: 交互验证相关系数(Rcv)分别为0.963 7, 0.959 4和0.947 9, 交互验证误差(RSECV)分别为1.41%, 1.27%和1.27%; 外部验证相关系数为0.965, 0.956和0.953; 并且验证集样品的标准差与预测标准差之比均大于3.0。 由此可见, 近红外光谱技术可以准确预测羊草干草中的CP, NDF和ADF含量, 这对于快速测定我国羊草的品质、 准确筛选优质的育种材料均具有十分重要的意义。
羊草 近红外光谱 品质 模型 Leymus chinensis Near infrared reflectance spectra Quality Calibration 
光谱学与光谱分析
2011, 31(10): 2730
王海 1,2,*张英俊 1林立军 1舒彬 1[ ... ]秦艳 2
作者单位
摘要
1 中国农业大学草地研究所, 北京100193
2 中国农业科学院草原研究所, 内蒙古 呼和浩特010010
研究旨在探讨利用放牧家畜“日粮—粪”差异光谱, 建立干物质消化率模型的可行性。 通过人工混合复杂日粮饲喂绵羊进行室内代谢试验, 获得104份“日粮—粪”样品对, 同时将相应的日粮和粪光谱做差获得104份差异光谱, 将70份用于建模, 34份用于检验。 结合偏最小二乘法, 利用差异光谱建立绵羊在采食成分较复杂时干物质消化率预测模型。 最佳光谱范围为8 656~4 310 cm-1; 光谱预处理方法以多元散射校正+一阶导数处理+Norris平滑(MSC+1st Deriv+Norris)处理的效果最好, 最佳主因子数为7。 经外部检验得到预测标准误差(RMSEP)为2.46%, 相对标准误差(RPD)大于2.5, 预测值与实际值的决定系数为0.833 9, 说明所建近红外模型具有较好的预测效果。
复杂日粮 差异光谱 干物质消化率 Complex diet Spectra difference Dry matter digestibility 
光谱学与光谱分析
2010, 30(6): 1575
作者单位
摘要
中国农业大学动物科技学院, 北京100193
白三叶营养丰富, 蛋白质含量高, 是最重要的牧草之一。 文章对SPAD及FT-NIR光谱法筛选白三叶种质蛋白质性状进行了探讨。 采用Chlorophyll Meter SPAD-502, 测定白三叶叶片SPAD值, 从而评估其蛋白质含量。 在营养生长期内, 叶片蛋白质含量与SPAD值呈正相关(y=0.422x+4.984, R2=0.737); 在开花期内, 两者之间呈负相关(y=-0.345x+37.50, R2=0.711)。 应用傅里叶变换近红外(FT-NIR)光谱技术, 用偏最小二乘法建立了白三叶蛋白质的预测模型, 并对模型进行了交叉验证和外部验证。 结果表明, 用NIRS 法得到的预测值与用凯氏定氮法得到的测定值间的交叉验证决定系数R2cv为0.904, 交叉检验标准误差RMSECV为0.988(%DM), 外部验证的相关系数为0.987。 所建立的近红外模型具有良好的准确性和预测能力。 FT-NIR法较SPAD法能更准确的评估白三叶蛋白质状况。 NIRS作为一种白三叶粗蛋白质快速分析的技术是可行的, 在白三叶蛋白质品质育种中, 可快速进行种质资源筛选, 提高育种效率。
傅里叶变换近红外 白三叶 蛋白质 SPAD SPAD Fourier transform near infrared reflectance spectr White clover Protein 
光谱学与光谱分析
2009, 29(9): 2388

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!