1 湖南农业大学食品科学技术学院食品科学与生物技术湖南省重点实验室, 湖南 长沙 410128
2 湖南省农业科学院湖南省农产品加工研究所, 湖南 长沙 410125
柑橘是世界第一大水果。 不同产地的柑橘内部品质和价格有所不同, 但其外观差别较小, 外行人较难通过肉眼实现准确鉴别分析。 DNA标记法与仪器分析操作复杂、 成本较高, 且对样品具有破坏性, 无法实现快速无损分析, 影响了产品的二次销售。 近红外光谱技术是一种快速无损的新型检测手段, 可以用于不同产地农产品的鉴别分析。 由于柑橘皮对光谱的干扰较大, 导致现阶段柑橘产地无损鉴别研究匮乏。 此外柑橘体积较大, 因此需要对光谱采样点进行优化。 为此, 基于近红外光谱技术与化学计量学方法, 提出了一种用于不同产地柑橘无损鉴别的新方法。 使用近红外光谱仪得到了120个来自云南、 湖南、 广西武鸣、 广西来宾的沃柑漫反射光谱数据。 采用单一和组合光谱预处理方式以消除光谱中的多种干扰; 采用主成分分析方法对数据进行降维处理, 并以此作为输入值结合Fisher线性判别分析方法构建柑橘产地鉴别模型, 并与主成分分析模型进行对比。 此外, 考察了不同光谱采样位置(赤道线4个采集点、 果梗部以及果顶部)对结果的影响。 结果表明: 主成分分析方法结合优化光谱预处理的方法不能实现不同产地柑橘的准确鉴别分析, 最优鉴别率仅为5%; 而采用主成分分析-Fisher线性判别分析方法, 利用赤道线4个点的平均光谱结合去偏置校正或多元散射校正预处理方法可实现不同产地柑橘的100%鉴别分析; 采用主成分分析-Fisher线性判别分析对6个点的平均光谱数据进行处理时, 采用原始光谱便可实现不同产地柑橘的100%鉴别分析。 为此, 通过对光谱预处理方法以及光谱采集点的优化, 利用主成分分析-Fisher线性判别分析方法即可建立准确的柑橘产地鉴别模型, 为不同产地柑橘的快速鉴别提供了新途径, 为后续各种柑橘类水果的鉴别分析提供了参考。
近红外光谱 沃柑 无损分析 主成分分析 线性判别分析 Near infrared spectroscopy Fertile orange Non-destructive analysis Principal component analysis Fisher linear discriminant analysis 光谱学与光谱分析
2021, 41(12): 3695
浙江大学生物系统工程与食品科学学院，浙江 杭州 310058
为了建立多光谱参数用于草莓成熟度的自动识别, 采用高光谱图像技术, 通过提取草莓样本ROI的平均光谱, 计算已有的八个成熟度参数Ind1, Ind2, Ind3, IAD, I1, I2, I3, I4的参数值, 并结合Fisher线性判别法判断八个参数对于三种成熟度（成熟、 接近成熟、 未成熟）草莓样本的分类识别效果, 发现基于I4参数的线性判别分析模型的识别效果最佳, 建模集和预测集识别准确率分别为90%和91.67%； 基于草莓样本的光谱特征, 提取与草莓成熟度相关的三个波长535, 675和980 nm, 并基于这三个波长和已有的参数形式, 构建了四个用于草莓成熟度检测的新参数： i1, i2, i3, i4, 通过Fisher线性判别法判断四个参数的分类识别效果, 发现基于参数i1, i2和i4的线性判别分析模型的识别效果均比参数I4好, 建模集和预测集识别准确率为95.83%, 95.83%, 95.83%和95%, 95%, 96.67%。 结果表明新建立的多光谱参数i1, i2和i4可以用于草莓成熟度的自动分类识别, 为草莓成熟度的在线检测提供了理论依据。
草莓 成熟度识别 多光谱参数 高光谱成像 Fisher线性判别 Strawberry Identification of strawberry ripeness Multispectral index Hyperspectral image Fisher linear discriminant 光谱学与光谱分析
2016, 36(5): 1423
1 中国农业大学现代精细农业系统集成研究教育部重点实验室, 北京 100083
2 Department of Agricultural and Biological Engineering, University of Florida, Gainesville, Florida, USA
黄龙病作为柑橘类水果最具毁灭性的疾病之一, 目前尚无有效的治愈手段, 因此疾病预防成为已知的唯一有效方法。 基于四种柑橘叶片(健康叶片、 黄龙病叶片、 铁缺乏叶片及氮缺乏叶片)VIS-NIR的反射光谱详细讨论了黄龙病的辨别方法以及在判别模型中光谱特征值的提取方法。 在两类判别分析的特征值提取方法中, 判别值(discriminability)运算的引入, 为特征值提取提供了一个可靠依据, 判别值越大表明光谱差异性越大。 以被选特征值建立的Fisher线性判别分析模型, 黄龙病与健康、 铁缺乏、 氮缺乏叶片的分类判别预测准确率分别都超过了90%, 分类效果符合预期。 最后, 又讨论了分类树(classificationTree)在多类判别中的应用。 通过对柑橘叶片原始反射谱, 一阶导数谱及被选特征值分别建立分类模型, 四种柑橘叶片平均预测准确度都超过88%, 尤其是基于特征值的分类结果更是超过94%, 验证了在多类判别中检测柑橘黄龙病的可行性及特征值提取的重要性。 结合传统分类方法(k-NN, Bayesian)的结果分析, 特征值作为输入变量的分类结果明显要优于原始光谱, 证实了特征值选取的正确性, 并为将来基于光谱特征值开发多光谱成像技术检测黄龙病打下坚实的基础。
黄龙病 判别值 Fisher线性判别 分类树 近红外光谱 Citrus greening Discriminability Fisher linear discriminant analysis Classification tree Vis-NIR spectroscopy 光谱学与光谱分析
2014, 34(10): 2713
山东大学 信息科学与工程学院, 济南 250100
提出一种基于提升小波和Fisher线性判别法(FLD)相结合的人脸表情特征提取方法。提升小波是完全基于时空域的变换, 具有多分辨率的特征, 更有利于表情细节信息的提取, 并且运算时间短, 便于实现。图像经过提升小波变换后, 取其低频分量和高频分量相结合作为整体特征, 实验证明保存了绝大部分的表情分量, 然后用Fisher线性判别法(FLD)进行特征提取, 采用K-近邻法进行分类。在JAFFE数据库中, 分辨率达到94.3%, 识别时间为2.9s, 证明了方法的有效性。
人脸表情识别 特征提取 提升小波 facial expression recognition feature extraction lifting wavelet FLD(Fisher linear discriminant) FLD(Fisher linear discriminant)
Author Affiliations
Abstract
1 National Laboratory of Pattern Recognition Institute of Automation, Chinese Academy of Sciences Beijing 100080, P.R. China
2 Beijing Anding Hospital Affiliate of Capital University of Medical Science Beijing 100088, Beijing, China
Functional near-infrared spectroscopy (fNIRS) is a neuroimaging technology which is suitable for psychiatric patients. Several fNIRS studies have found abnormal brain activations during cognitive tasks in elderly depression. In this paper, we proposed a discriminative model of multivariate pattern classification based on fNIRS signals to distinguish elderly depressed patients from healthy controls. This model used the brain activation patterns during a verbal fluency task as features of classification. Then Pseudo-Fisher Linear Discriminant Analysis was performed on the feature space to generate discriminative model. Using leave-one-out (LOO) cross-validation, our results showed a correct classification rate of 88%. The discriminative model showed its ability to identify people with elderly depression and suggested that fNIRS may be an efficient clinical tool for diagnosis of depression. This study may provide the first step for the development of neuroimaging biomarkers based on fNIRS in psychiatric disorders.
Functional near-infrared spectroscopy (fNIRS) Fisher linear discriminant analysis (FLDA) depression Journal of Innovative Optical Health Sciences
2010, 3(1): 69–74
上海理工大学 光电信息与计算机工程学院，上海 200093
本文提出了一种提取人脸图像的局部Gabor 相位特征，结合Fisher 线性判别式，通过特征融合进行人脸识别的方法。该方法首先利用Gabor 滤波良好的空间位置与方向选择特性，采用四个频率六个方向的Gabor 滤波器对图像进行滤波，然后根据Daugman 方法采用局部XOR 算子提取滤波图像的局部Gabor 相位特征，组成特征图像，最后通过Fisher 判别式对每个频率和方向下的特征图像进行降维，融合降维后的特征，采用最近邻分类器进行识别。该方法通过在两个数据库中的实验，证明了较主成分分析法，Fisher 线性判别式方法以及Gabor 幅值特征融合识别方法更好的识别性能。
Gabor 小波分解 局部异或算子 特征融合 fisher 线性判别式 人脸识别 Gabor wavelet decomposition local XOR operator characteristic fusion fisher linear discriminant face recognition
根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩。利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别。同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法。仿真实验结果表明,该方法具有较高的识别精度和速度。
图像识别 目标识别 仿射不变矩 组合不变矩 Fisher线性判别器 主分量分析 image recognition target recognition affine invariant moment combined invariant moment Fisher linear discriminant analysis principal component analysis
