提出一种基于高光谱成像技术的血迹陈旧度无损预测方法。利用高光谱成像仪获取白瓷砖、白纸、白棉布3种介质上不同陈旧度的血迹光谱图像,筛选550~800 nm特征光谱波段,并通过人工神经网络模型实现血迹遗留时间的预测。结果表明:在实验室环境下,30 h内3种介质上的血迹遗留时间预测的回归分析决定系数( RP2)均大于0.9930,预测方均根误差(RMSEP)为18.29 min,中位相对误差(δM)平均值为8.05%,可见该方法能对较短时间内的血迹陈旧度进行有效预测。

长石是地表岩石最重要的造岩矿物, 在地壳中的比例高达60%, 几乎是所有火成岩的主要矿物成分。 随着高光谱技术的发展, 国内外众多学者研究主要造岩矿物含量与其特征光谱的响应关系, 对遥感岩矿识别以及矿化蚀变信息提取提供了多种可能性。 该研究以USGS光谱库里18个火成岩样本为基础数据, 研究长石的特征光谱及其与含量之间的定量关系。 通过原始光谱反射率及其变换(包括小波三层分解高频分量、 小波二层分解、 去包络线后光谱、 去包络线后小波三层分解高频分量及去包络线后小波二层分解), 研究其与长石的含量之间的相关关系, 结果表明： (1)分析六种光谱反射率的变换, 去包络线后小波三层分解高频分量的光谱反射率与长石含量的相关关系最好, 且相关系数正负不断变化, 根据相关系数极值获得长石的特征谱带为431, 570, 972, 1 456, 1 856, 2 292.9和2 481 nm; (2)原始光谱反射率与长石含量的相关性曲线趋势较为平缓, 而经小波分解得到的高频分量后, 趋势明显, 经去包络线及小波分解得到高频分量后, 相关性曲线的变化趋势愈加明显, 由此可见, 自变量的微小变化就会引起因变量变化, 当岩石中长石的含量极小时, 小波分解处理能够提高模型的精度。 将长石含量与特征光谱的关系量化, 运用多元逐步线性回归分析以及最小二乘法建模, 建立6个线性回归模型和6个最小二乘法回归模型, 结果表明： (1)去包络线后的光谱比原始光谱建立的回归模型精度更高, 经过小波二层分解后的低频分量建模的回归模型精度优于未进行小波分解的光谱, 其中去包络线后小波二层分解低频分量建立的回归模型效果最佳。 (2)多元线性回归建立的模型精度优于最小二乘法, 同时筛选对因变量影响较大的自变量, 972, 1 456, 1 856, 2 292.9以及2 481 nm。 因此选择去包络线后的光谱进行多元线性回归法进行分析长石含量与光谱反射率之间关系, 考虑到不同的特征吸收波段对长石含量的影响因子不同, 可以利用长石的特征光谱定量反演某一区域内的长石的含量, 对识别矿物具有重要意义。

在传统的喇曼光谱检测过程中,喇曼光谱的有效信号有时会被荧光背景淹没,难以识别。为了准确、有效地分离差分信号和基线偏差,将差分喇曼技术和误差反向传播神经网络算法相结合,提出了差分喇曼解调和去噪算法,并进行了理论和实验验证。对市售的百草枯、补肾丸、机油以及海洛因等荧光较强的物质进行了检测分析。结果表明,可以得到有效的物质喇曼特征谱图。很好地解决了目前行业应用中检测的难题。

助推段导弹有高温、大面积的尾焰,根据尾焰光谱特征可准确识别导弹。将其应用到天基预警系统能够使导弹防御系统趋于完善,但光谱信息数据量庞大,从获取光谱信息到识别光谱信息需要耗费大量时间。为此,寻找能够代表导弹尾焰光谱的特征光谱,使用模糊算法对特征光谱进行数据处理,以达到准确、快速识别的目的。利用已有的红外图像和大气、云层、导弹及飞机尾焰光谱数据进行特征光谱图像拟合,经信噪比分析后可知,特征光谱图像比全波段红外光谱图像的信噪比高。分别使用模糊算法和光谱角测度对拟合图像进行处理,结果表明模糊算法的实时性和准确性优于光谱角测度。

为了提高近红外光谱技术快速测定小麦种子发芽率的准确度和稳健性, 比较分析了基于全光谱的单一偏最小二乘(PLS)模型和多模型共识PLS模型(cPLS)性能, 并提出了基于特征光谱的多模型共识PLS模型(Si-cPLS) 。 实验收集84份小麦种子, 通过SPXY法将样本集划分为训练集样本66个, 预测集样本18个。 从训练集中随机抽取50个样本作为校正集建立一系列PLS子模型, 选取其中性能较好100个子模型作为成员模型建立cPLS模型, 取成员模型预测结果的均值来分析未知样本。 在此基础上, 采用组合间隔偏最小二乘法(SiPLS)筛选特征谱区建立多模型共识PLS模型(Si-cPLS)。 各模型均采用均值中心化预处理方法, PLS模型、 cPLS模型以及Si-cPLS 模型对预测集的小麦种子发芽率进行50次重复预测的平均相关系数r分别为0.935, 0.949和0.967, 平均预测均方根误差RMSEP分别为13.735%, 12.533%和10.273%, RMSEP 的标准偏差分别为1.144%, 0.096%和0.08%。 实验结果表明cPLS模型较单一PLS模型更加稳定可靠, 而基于特征光谱的Si-cPLS模型则进一步提高了cPLS的稳定性与预测精度, 为建立性能优秀的小麦种子发芽率近红外模型提供了新思路。

利用飞秒激光大气成丝高强激光诱导荧光非线性光谱对碘单质升华过程进行了研究。研究结果发现飞秒光丝可诱导升华到空气中的碘分子产生清晰特征荧光谱。通过监测碘分子在341.6 nm(D→X1Σ+g跃迁)处的荧光谱线, 利用时间分辨测量方法观察到碘分子荧光强度随着加热温度以及测量位置与固态碘样品距离的变化而明显变化, 展示了光丝诱导荧光光谱技术应用于物态变化规律探索的可行性。

In this research, a new method based on the hyperspectral imaging for searching the best decocting time of sun dried ginseng is reported. The spectral images at different decocting time of test sample have been taken by the staring hyperspectral fluorescence imaging system and the solubility of active ingredients have been discussed by analyzing the changes on the spectral curves. The spectral range of the system is 400–720 nm and the spectral resolution is 5 nm. In the decocting process, the active ingredients of nonsoaked ginseng was dissolved in the tissue fluid at first, and reached equilibrium condition at last after the precipitation–dissolution reciprocating process of boiling. At last, the experimental results show that the best decoction time of sun dried ginseng is about 60 min after boiling.

为了提高近红外光谱技术快速测定番茄苗氮含量的准确度和稳健性, 比较分析竞争自适应重加权采样法(CARS)、蒙特卡罗无信息变量消除法(MCUVE)、向后间隔偏最小二乘法(BiPLS )和组合间隔偏最小二乘法(SiPLS)四种特征波长挑选方法, 筛选与番茄苗氮含量相关的特征光谱。在十种不同氮素处理水平下(尿素溶液浓度0～120 mg·L-1), 培育60株番茄苗样本(每个处理6株), 使其分别处于不同程度的过量氮素、氮素适度、缺氮素和无氮素状态。分别采集每株番茄苗样本的叶片, 扫描其12 500～3 600 cm-1波段的近红外光谱。比较四种方法所建立的番茄苗氮素定量分析模型可知: CARS和MCUVE挑选的特征变量所建定标模型的性能比BiPLS和SiPLS挑选的特征变量所建定标模型的性能更优, 但是预测性能远低于后者。其中, 基于BiPLS建立的番茄苗氮素含量预测模型性能最佳, 相关系数(r)、预测均方根误差(RMSEP)和性能对标准差之比(RDP)分别为0.952 7, 0.118 3和3.291 0。因此, 近红外光谱技术结合特征谱区筛选可以有效地提高番茄苗叶片氮素含量的定量分析模型指标, 使模型更实用化。但是, 特征波长挑选方法不具有普适性。基于单个波长变量筛选的方法所建立的模型较为敏感, 更适用于样本状态较为均匀的待测对象;而基于波长区间筛选的方法所建的模型相对抗干扰性更强, 更适用于样品状态不均匀, 重现性较差的待测对象。因此, 特征光谱筛选只有与样本状态及建模指标结合, 才能使其在建模过程中发挥更好的作用。

快速、 准确的进行光谱重建是高保真印刷复制研究的难点。 针对多个基色参与复制造成颜色在光谱表征和油墨配比之间转换模型复杂的问题, 提出了一种用于高保真印刷的特征光谱提取和匹配方法。 该方法利用光谱的导数变换对印刷基色油墨的特征光谱波段进行了筛选和提取, 在此基础上提出了特征光谱的多阈值编码算法; 针对高保真印刷中的分区判断问题, 利用导数平均特征光谱表示各分区特征, 并通过目标光谱与各分区的导数平均特征光谱的光谱匹配算法, 解决了高保真印刷中的分区判断问题。 实验结果表明, 提取的特征光谱波段能够显著代表各个基色的光谱特征, 基于特征光谱的色彩转换模型精度高于基于全波段的色彩转换模型; 光谱匹配算法在判断分区上达到了很高的精度, 极大的提高了效率, 具有较高的实用性。