1 西安邮电大学 电子工程学院, 西安 710121
2 中国船舶集团公司第705研究所 水下信息与控制重点实验室, 西安 710119
为了提升无线光通信系统接收灵敏度, 采用一种基于改进基分类器系数的AdaBoost弱光信号检测算法, 解决多像素光子计数器(MPPC)在弱光条件下的信号检测问题。该算法采用k最近邻(KNN)为基分类器组建强分类器, 针对传统AdaBoost算法基分类器系数仅与错误率有关而产生冗余的基分类器消耗系统资源的问题, 提出一种基于错误和正确分类样本权重的基分类器系数优化AdaBoost算法(W-AdaBoost), 将信号解调问题转换为分类问题; 并采用波长450 nm半导体激光器、MPPC光电转换器件搭建了无线光通信系统。结果表明, 系统在通信速率为2 Mbit/s、误比特率为3.8×10-3时, 改进的W-AdaBoost-KNN算法较传统AdaBoost-KNN和单一KNN算法,灵敏度分别提升了1.6 dB和4.8 dB左右。此研究结果说明W-AdaBoost-KNN算法可提高弱光条件下的信号检测效率, 提升无线光通信系统接收灵敏度。
光通信 AdaBoost算法 多像素光子计数器 集成学习 信号检测 optical communication AdaBoost algorithm multi pixel photon counter ensemble learning signal detection
1 北京航空航天大学仪器科学与光电工程学院, 精密光机电一体化技术教育部重点实验室, 北京 100191
2 河北先河环保科技股份有限公司, 河北 石家庄 050035
总有机碳是以碳含量评价水质有机污染的指标, 可以反映水体受污染程度。 目前地表水总有机碳检测多采用现场取样后实验室分析检测方法, 该方法存在费时费力、 操作复杂、 二次化学污染等缺点。 紫外-可见光谱法具有环保、 操作简便、 可实时在线原位检测等优点, 在地表水总有机碳检测中具有很好的应用前景。 针对总有机碳检测问题, 采用了一种基于自适应增强学习的区间偏最小二乘回归方法, 该方法将总有机碳吸收光谱波段分为若干子区间, 初始化训练样本权重, 依次在各子区间建立偏最小二乘回归模型, 根据子区间模型预测误差率计算该子区间预测结果的权重系数, 并更新下一子区间训练样本权重, 最后将各子区间模型预测结果线性加权得到总有机碳的检测结果。 实验配制总有机碳标准溶液浓度25~150 mg·L-1共43个样品, 第一时间段采集35个总有机碳标准样品光谱分为训练集和测试集, 建立并验证总有机碳检测算法模型。 为评价算法模型鲁棒性, 在另一时间段采集剩余的8个标准样品光谱进行反测验证。 实验结果表明, 采用基于自适应增强学习的区间偏最小二乘回归法建立的总有机碳定量模型具有较高的精度和鲁棒性, 分组验证和反测验证的预测均方根误差分别为1.304和1.533 mg·L-1, 均优于偏最小二乘回归和极限学习机方法。 为进一步验证该方法的有效性, 使用该建模方法预测生活污水的总有机碳含量。 实际地表水样本取样于河北石家庄藁城污水处理厂排污口污水及河北先河公司园区的生活污水, 经稀释后共获得50组地表水样本, 采用SPXY方法分为训练集33组水样, 测试集17组水样。 在实际水样检测中, 采用净信号分析方法进行光谱预处理, 降低总有机碳与其他水质参数间的交叉干扰; 分组验证预测均方根误差为3.26 mg·L-1, 平均绝对值百分比误差为3.46%。 综上所述, 基于自适应增强学习的区间偏最小二乘回归方法, 可以快速准确地对地表水中总有机碳进行检测, 为在线水质总有机碳检测提供了方法支撑。
紫外-可见光谱 自适应增强学习 区间偏最小二乘法 总有机碳检测 地表水 UV-Vis spectroscopy Adaboost algorithm Interval partial least squares regression Total organic carbon detection Surface water 光谱学与光谱分析
2022, 42(11): 3423
南京航空航天大学电子信息工程学院, 江苏南京 211106
针对雷达数据集中目标和杂波点迹的聚类不平衡问题, 提出一种基于改进 AdaBoost的密度峰值聚类法。介绍密度峰值聚类法的思想, 基于不对称误分代价改进 AdaBoost的误差函数, 提高正类错分代价权重, 将改进 AdaBoost和密度峰值聚类结合, 对由目标和杂波点迹组成的不平衡雷达数据集聚类。仿真实验结果表明, 该算法在保证总体聚类性能的同时提高对正类的识别。
不平衡数据 目标和杂波点迹 AdaBoost算法 密度峰值聚类 imbalanced data targets and clutter clustering AdaBoost algorithm density peaks clustering 太赫兹科学与电子信息学报
2021, 19(2): 308
某型警用激光眩目器主要应用于安防领域,发射对人眼较敏感的532 nm绿激光照射人体目标,可以使嫌疑人目标暂时性失去视力。为提高激光利用率,需要使激光光斑尽可能覆盖有效人体目标范围。测试时使用摄像机获取视频,利用Gentle Adaboost算法,通过基于数字信号处理器(DSP)的视频处理系统实现了行人目标检测及测定行人大小,同时通过单片机控制电路,根据行人大小控制激光镜头自动调焦,以适应行人目标。
测量 行人检测 Haar特征 Gentle Adaboost算法 数字信号处理 激光调焦 激光与光电子学进展
2021, 58(12): 1212002
为了获得更高的预测精度,针对高斯过程回归(GPR)算法在具体应用中出现的依赖核函数的选择以及精度提升空间有限等问题,结合AdaBoost算法思想提出了一种基于AdaBoost.RT算法的GPR预测算法。该算法从统计学角度引入预置阈值的概念,将不同核函数的GPR算法预测结果定性分成正确和错误两部分,并经过两层训练,通过最终权值的大小反映出针对不同核函数的GPR算法的信度大小,最终融合各个核函数输出高质量的预测值。在锂电池的故障预测仿真实验中,该算法的预测相较于传统的GPR算法,平均误差下降了82.14%,证明该算法的合理性和实用性。
AdaBoost算法 高斯过程回归 故障预测 可靠性 AdaBoost algorithm Gaussian Process Regression (GPR) fault prediction reliability
针对现有主流检测算法在低光照或光照条件强烈变化情况下对交通标志检测精度不足、漏检现象严重的问题,提出一种改进后的基于图像关键点统计变换(MCT)特征的Adaboost集成算法,以降低样本图像对光照变化的敏感性,通过对图像关键点进行提取并建立弱分类器,增强噪声和部分遮挡情况下算法的抗干扰能力,同时采用多尺度特征融合算法实现交通标志的分类识别。选用德国交通标志数据集(GTSDB、GTSRB)和自建数据集对所提算法性能进行验证,结果表明,在三类数据集中本文算法均具有最佳检测率与识别率,对于低光照条件下的交通标志图像,本文算法的检测精确率为94.96%,在复杂光照环境下具有较好的稳健性。
图像处理 交通标志牌 关键点 Adaboost算法 卷积神经网络 激光与光电子学进展
2019, 56(23): 231009
1 浙江大学电气工程学院, 浙江 杭州 310027
2 杭州电子科技大学计算机应用技术研究所, 浙江 杭州 310018
针对可见光学遥感图像港口舰船检测过程中,人造目标造成检测结果准确率低、虚警率高的问题,提出了一种基于边缘线梯度特征定位和聚合通道特征的舰船检测方法。基于多尺度多结构元素形态学滤波实现海陆分割;并结合遥感图像中港口的矩形形状特点,定义边缘梯度正切角和港口凹凸度特征以对港口进行定位,获取港口感兴趣区域集合。提取舰船目标的聚合通道特征,并通过聚合通道特征构建的样本训练库和AdaBoost算法完成分类器的训练,利用训练完成后的分类器完成舰船目标的最终判别确认。实验结果表明该算法相较于传统的HOG特征和Haar特征,检测效果良好,准确率和召回率得到较大的提升。
机器视觉 光学遥感图像 港口舰船检测 边缘线梯度特征 聚合通道特征 AdaBoost算法
1 中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室, 陕西 西安 710000
2 中国科学院大学, 北京 100049
针对血管内光学相干断层扫描(IVOCT)成像系统,提出一种改进的自适应增强(Adaboost)算法及一种基于动态规划的轮廓分割算法用于可降解支架的自动检测与分割,实现对支架贴壁情况的自动评估。在检测阶段,利用多层决策树构建Adaboost分类器,实现对支架位置和大小的检测;基于检测结果,利用动态规划算法对支架轮廓进行分割;最后,结合分割结果,对支架贴壁情况进行计算。实验结果显示,所提算法的检测召回率达到91.6%,精确率为87.2%,轮廓分割的平均Dice系数为0.80,表明所提算法能够实现IVOCT影像中可降解支架的准确检测与分割,且具有较好的稳健性。
机器视觉 自动检测与分割 自适应增强算法 可降解支架 血管内光学相干断层扫描图像
1 广州计量检测技术研究院, 广东 广州 510663
2 中山大学 光电材料与技术国家重点实验室, 广东 广州 510275
人体表面特征点三维空间坐标的实时监测是实现自然高效、非接触的智能化人机交互的关键技术。算法在提取肤色区域外轮廓的基础上, 依据手指和手势的多种形状约束特征实现指尖定位。基于Adaboost算法确定人脸区域, 针对是否佩戴强干扰性眼镜, 采用不同的灰度及空间结构特征实现人眼中心的准确定位。对左右内眼角点或是黑框眼镜内框曲率点进行改良性的光流跟踪。通过多尺度逐级定位算法提升特征点的定位精度。基于双目立体视觉原理实现特征点的三维空间坐标重构, 并依靠三维信息反馈有效重启跟踪错误的光流算法。算法将特征与统计方法相结合, 通过多尺度以及多信息(灰度、色调、空间结构、三维)的综合运用, 相对于传统算法进一步提升了算法的时间处理效率和复杂背景中多状态下(强干扰佩戴物、较大角度的姿态变化、遮挡、光照)目标特征点的检测正确率。
人眼检测 指尖定位 Adaboost算法 光流跟踪 双目立体视觉 多信息 eye recognization finger-tip location Adaboost algorithm light trace binocular stereo vision multi-source information
沈阳工业大学生物医学与电磁工程研究所，沈阳 110870
针对传统 AdaBoost算法检测速度快准确率低的问题，本文提出了一种改进的 AdaBoost算法以提高人脸的正确检测率，该算法首先利用快速积分图提取人脸的 Haar特征，然后使用阈值设定的方法对传统的 AdaBoost算法进行改进，并将每次检测的最优弱分类器级联形成最终的强分类器，通过强弱分类器对 Haar特征判别，从而检测图像中的人脸部分。采用本方法对多种实验图像集进行人脸检测实验， FERET彩色图像库的正确检测率为96.07%，视频图像的正确检测率为 96%。实验结果表明，本文所设计的人脸检测算法能够对静态图像以及视频图像中的人脸进行有效检测，为人脸的正确识别打下了基础，该算法也为计算机视觉领域的研究提供一种有效方法。
人脸检测 Haar特征 AdaBoost算法 强分类器 face detection Haar feature AdaBoost algorithm strong classifier
