1 武汉理工大学信息工程学院, 宽带无线通信与传感器网络湖北省重点实验室, 湖北 武汉 430070
2 华中农业大学园艺林学学院, 园艺植物生物学教育部重点实验室, 湖北 武汉 430070
嫁接的目的是为了提高植物抗土传病害和非生物逆境的能力。 甜瓜嫁接愈合状态的早检测是当前育苗厂工业化发展的重要需求。 在标准正态变量变换-Savitzky-Golay平滑-二阶导数(SNV-SG-SD)预处理基础上提出了融合嫁接差异信息的竞争性自适应重加权算法-连续投影法(DIS-CARS-SPA)特征提取算法, 并建立了基于网格寻优径向基核函数支持向量机(GS-RBF-SVM)分类模型, 实现了基于高光谱成像的甜瓜嫁接愈合状态早期分类检测。 首先采集以南瓜为砧木, 甜瓜为接穗的嫁接成活苗和非成活苗愈合期1~7 d内的高光谱图像, 分别采用9种光谱预处理方法, 2种特征提取算法和5种优化算法4种核函数支持向量机(SVM)分类模型进行分析。 结果显示, SNV-SG-SD光谱预处理、 DIS-CARS-SPA特征提取和GS-RBF-SVM分类模型效果最好。 利用该模型进一步分析, 在同一天不同类型二分类中, 愈合期1~7 d内任何一天的分类准确率均能达到99%以上; 在不同天嫁接成活苗二分类中可达 90.17%以上; 在不同天嫁接非成活苗二分类中可达97.03%以上; 在不同天不同类型十四分类中可达到96.85%, 比未融合嫁接差异信息的CARS-SPA特征提取方法准确率提高了0.59%, 比只预处理未特征提取方法提高了3.37%。 结果表明, 所提出的方法不仅能实现同一天不同类型二分类, 还能实现不同天同一类型的二分类, 不同天不同类型的多分类。 在实际应用中, 可将分类时间点提前到嫁接后第1天(肉眼观察第3~4天, 机器视觉技术第1~2天), 同时第3天均是嫁接成活苗和非成活苗的差异突变天数, 嫁接成活苗状态可分为弱—中—强三个阶段, 非成活苗状态可分为弱—更弱两个阶段, 该结论能为甜瓜嫁接苗生产提供有效指导, 具有一定的理论和实践价值。
高光谱成像 甜瓜嫁接 光谱预处理 特征提取 分类识别模型 Hyperspectral imaging Melon grafting Data preprocessing Feature extraction Classification and recognition model 光谱学与光谱分析
2022, 42(7): 2218
中国气象局乌鲁木齐沙漠气象研究所, 新疆 乌鲁木齐 830002
新疆天山北坡山地草甸是天山山区草地生产力最高的草地类型, 草地退化情况较为严重。 对草地植被进行分类与识别, 监测草地生态系统本底状况, 可以快速、 准确、 有效的评价草地退化动态与程度, 是进行生态重建的关键。 为了探索适合草地植被的分类方法, 选择天山北坡中段山地草甸植被作为研究对象, 利用高光谱成像光谱仪(SOC710VP)获取了典型植被多季相(4个关键生育期)的原始反射光谱数据, 通过多项式卷积平滑(S-G)及最小噪声分离(MNF)变换对光谱数据进行平滑去噪及降维处理, 分别采用支持向量机(SVM)、 BP人工神经网络(BP-ANN)及波谱角填图(SAM)三种方法建立分类模型, 并对分类结果进行了对比分析。 结果表明: 使用S-G滤波及MNF变换预处理方法可以有效的对草地植被高光谱数据进行降维除噪, 获得较平滑的光谱曲线, 减少了数据的冗余程度并缩短了分类时间。 不同季相山地草甸植被的“绿峰”、 “红谷”及“红边”等参数差异较大, 在植被生长旺盛期(4月—5月)的光谱曲线特征比黄枯期的光谱曲线特征更容易区分, 这个时期分类精度较高。 SVM分类模型在返青期(4月)和分蘖(枝)期(5月)总体分类精度均超过了90%, Kappa系数也超过了0.9; 利用SVM方法进行分类时, 在植物生长旺盛期(4月—5月)Polynomial核函数分类精度较高, 植物成熟期(6月—9月)径向基核(RBF)函数分类精度较高。 BP-ANN在分蘖(枝)期分类精度较高, 总体分类精度为91.07%, Kappa系数为0.89, 其他时期分类效果一般, 虽然在MNF变换降维后能极大的缩短数据处理时间, 但分类时间还是较SVM时间要长。 SAM分类速度最快, 但在各生育期的分类精度都较低, 最高值为分蘖(枝)期的总体分类精度77.80%, Kappa系数为0.73。 因此, 利用Polynomial核函数的SVM分类模型适合对山地草甸植被进行分类识别, 分类结果类别完整, 准确度高, 误分、 错分现象相对较少, 相比BP-ANN及SAM等高光谱数据分类方法具有较大的优势。
高光谱数据 多季相 山地草甸 分类识别 Hyperspectral data Multi-seasonal Mountain meadow Classification and recognition 光谱学与光谱分析
2022, 42(6): 1939
1 中国人民公安大学侦查学院, 北京 100038
2 郑州市公安局刑事科学技术研究所, 河南 郑州 450000
一次性口罩的分类识别在法庭科学物证鉴别中具有重要意义,因此,提出了一种基于拉曼光谱和机器学习的一次性口罩分类识别方法。首先,采集来自不同城市、不同厂家生产的37种一次性口罩样品的拉曼光谱数据。然后,利用Savitzky-Golay平滑和归一化算法对数据进行预处理,通过主成分分析法和拉曼光谱特征峰对照方法划分口罩类别。最后,构建了基于支持向量机(SVM)、贝叶斯判别分析和前反馈(BP)神经网络的一次性口罩分类识别模型。实验结果表明,SVM模型训练集和测试集的准确率分别为93.3%和100.0%,贝叶斯判别分析模型的训练集和测试集准确率均为100.0%,BP神经网络模型的训练集、验证集、测试集准确率分别为93.9%、60.0%、60.0%。因此,将贝叶斯判别分析模型作为口罩分类识别的最佳模型,为法庭科学技术的物证检验提供了一定的借鉴意义。
光谱学 拉曼光谱 机器学习 数据处理 分类识别 激光与光电子学进展
2021, 58(16): 1630004
1 湖南大学电气与信息工程学院, 湖南 长沙 410082
2 鹏城实验室, 广东 深圳 518055
单像素成像作为一种新型成像技术,因具有探测器成本低、成像范围广等特点在遥感成像、高光谱成像、激光雷达探测等领域具有广泛的应用前景。由于单像素成像具有独特的成像机制和框架,通常需要设计专门的图像处理算法。本综述根据单像素成像的发展历程,详细介绍了单像素成像在图像分类、运动物体成像、盲重建、图像加密和隐藏、边缘检测、照明图案优化、低采样率图像质量提升等方面的研究进展,并对单像素成像相关图像处理算法的未来方向进行了简要讨论。
成像系统 单像素成像 鬼成像 图像处理算法 分类与识别 加密与隐藏 深度学习 激光与光电子学进展
2021, 58(10): 1011021
针对复杂电磁环境下雷达对干扰信号的分类识别问题, 研究了噪声干扰、密集假目标干扰、复合干扰信号的时域、频域特征, 通过对不同特征参数进行对比分析, 选取了区别度较大的参数组成识别特征向量, 构建了一种支持向量机(SVM)识别结构, 并进行了分类识别仿真分析。结果表明: 该识别结构特征参数提取简捷、运算速度快, 对噪声干扰、密集假目标干扰、组合干扰具有较高的识别概率, 具有一定的应用前景。
雷达对抗 压制干扰 分类识别 时频特性 radar countermeasure suppression interference classification and recognition time-frequency characteristics SVM SVM
1 北京理工大学 物理学院，北京 100081
2 宝瑞激光科技(常州)有限公司，江苏 常州 213000
不同类型的烟草在元素种类和元素含量上存在一定的差异，本文基于激光诱导击穿光谱(LIBS)技术，采集了不同种类烟草的原子发射光谱，并结合支持向量机方法，实现了烟草的快速分类鉴别。文章选取了市面上9种不同品牌的香烟，提取了其烟丝LIBS谱线的全部特征峰，通过对全谱进行窗口平滑去背景和峰位漂移的修正等预处理，再进行主成分分析降维，结合支持向量机方法(SVM)，建立了分类模型，给出了9种品牌香烟烟草的分类结果，平均准确度达到9747%。实验结果表明: 激光诱导击穿光谱技术在烟草防伪鉴定和现场快速识别分类等方面具有巨大的应用潜力。
激光诱导击穿光谱 主成分分析 支持向量机 烟草 分类识别 laser induced breakdown spectroscopy principal component analysis support vector machine tobacco classification and recognition
内蒙古科技大学 信息工程学院, 包头 014000
针对光照不均等对钢板缺陷检测识别率的影响, 提出了一种基于图像处理的钢板缺陷检测方法。在图像增强的基础上进行图像滤波去噪, 保留图像细节特征。根据大津阈值法实现图像分割, 对钢板缺陷图像周长、面积及宽度等几何特征进行有效提取并根据神经网络分类识别。实验表明, 所提出的钢板缺陷检测方法在识别准确率方面有所提高。
图像处理 缺陷检测 特征提取 分类识别 钢板 image processing defect detection feature extraction classification and recognition steel plate
1 山东大学(威海)机电与信息工程学院, 山东 威海 264209
2 山东大学(威海)燃气检测技术研究中心, 山东 威海 264209
3 中国海洋大学光学光电子实验室, 山东 青岛 266100
激光诱导击穿光谱技术具有微损、 原位、 快速分析的特点, 在样品分类识别、 成分分析等领域有广阔的应用前景。 为探索该技术在天然地质样品识别应用的可行性, 提出了一种自组织特征映射神经网络结合相关判别对天然地质样品LIBS光谱分类识别的方法。 为减小全谱中背景噪声等不相关数据干扰、 降低计算量, 在元素谱线归属的基础上进行了特征谱线提取, 实现了高维光谱数据的降维。 以特征谱数据为输入建立网络训练模型, 得到具有输入样本特征的权向量, 通过权向量与待测样本进行相关分析可以实现样品分类。 对16种天然地质样品的分类算法实验证明, 在全谱、 主成分降维和特征谱段三种数据处理方法中, 特征谱的降维和提取LIBS数据主特征效果最优。 改进的SOM网络结合相关判别算法比支持向量机方法和直接应用SOM网络方法的分类准确度更高, 初步证实了该方法的有效性。
激光诱导击穿光谱 特征谱线 自组织特征映射 相关分析 分类识别 LIBS Feature spectral line Self-organizing feature map Correlation analysis Classification and recognition 光谱学与光谱分析
2018, 38(6): 1874
1 中山大学 物理学院, 广东 广州 510275
2 中山大学 光电材料与技术国家重点实验室, 广东 广州 510275
为了改善常见的背景模型在手势分割易受环境因素影响的缺点, 以及提高基于傅里叶描述子的神经网络对大量手势分类的识别率, 本文提出一种采用预分类的综合手势识别算法。首先, 分割部分使用背景差分检测出手部, 同时利用手分类器对手部识别手掌位置, 获取感兴趣区域, 同时对手和背景分别进行掩膜更新, 进入下一循环, 具有较高的分割效果。接着, 利用指尖检测和傅里叶描述子对区域进行特征提取。识别过程先根据指尖数目及实现功能进行预分类, 再利用神经网络对傅里叶特征系数进行实时的识别并返回识别结果。最后, 进行与直接的傅里叶系数的识别比较及复杂背景下与传统背景差分方法识别率比较, 结果表明该算法普通手势比直接分类平均识别率高4.162%, 易误检手势识别率提高最高达91.7%; 复杂背景下性能也有较大改善。鲁棒性较强, 可以容纳大量手势定义, 满足人机交互的要求。
计算机视觉 手势分割 预分类识别 傅里叶描述子 神经网络 computer vision gesture segmentation pre-classification and recognition Fourier descriptor neural network
重庆大学 光电工程学院, 光电技术及系统教育部重点实验室, 重庆 400044
基于裂变中子(252Cf)对裂变链(235U系统)依存关系, 在对252Cf中子裂变信号的测量原理及信号特点分析基础上, 开展了基于支持向量机的中子裂变信号时频特征分析及识别研究工作。采用小波分解和去噪小波包分解方法, 提取不同状态下随机核信号的时频能量特征, 借助于统计学习理论的支持向量机(SVM)分类器原理进行训练和分类。研究结果表明: 通过直接小波分解或去噪小波包分解, 以获取核信号特征的方法是有效的; 去噪小波包分解特征提取方式, 较之直接小波分解特征提取方式更能反映中子裂变核系统的内部特征和规律; 基于SVM核信号样本的分类, 训练后的SVM分类器有着大于70%以上的正确率, 且较好地克服了训练样本数较少的问题, 验证了方法的可行性和有效性。
裂变中子源 小波包分解 特征提取 支持向量机 分类识别 fission neutron source wavelet packet decomposition feature extraction support vector machine classification and recognition 强激光与粒子束
2010, 22(10): 2441
