广东工业大学计算机学院, 广东 广州 510006
许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。 吸收峰提取法是常用的光谱特征提取算法, 但当光谱无明显特征吸收峰或峰位、 峰值相近或难以识别时, 难以利用吸收峰特征辨别物质。 将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰, 但常常需要人为定义特征而导致分类误差。 深度学习法能自动提取特征, 但在识别前往往需要进行复杂的预处理操作, 并且在特征提取的过程中容易丢失部分特征从而导致分类误差。 针对以上问题, 提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。 利用太赫兹光谱信号进行小波变换时, 由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系, 因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开, 能得到不同的二维的频率-尺度分布图, 又称小波系数图。 然后构造一个卷积神经网络(CNN)对小波系数图进行分类, 可得到太赫兹光谱物质的分类结果。 为了验证所提出算法的有效性, 将三组小波系数图数据与原始光谱数据分别输入CNN、 Support Vector Machin (SVM)、 Multilayer Perceptron (MLP)三种不同的分类器作对比, 从实验结果可以发现本文算法在三组数据中的识别率均达到了100%, 说明相比于传统方法, 本文方法能准确分类没有明显特征吸收峰的光谱, 证明了使用卷积神经网络识别小波系数图的有效性。 为了体现本文算法的优势, 与小波脊线寻峰识别算法作对比, 实验结果表明本文算法几乎不受峰频、 峰位、 峰值的影响, 无论是识别不存在吸收峰的淀粉, 还是识别相似度高的蔗糖和葡萄糖, 都具有较高的识别率, 分类准确率达97.62%, 证明了所提算法的优越性。 该算法为太赫兹光谱数据识别提供了一种新思路, 同时也可以推广运用到其他谱图物质的识别中。
太赫兹光谱 小波系数图 特征提取 物质分类 Terahertz spectrum Wavelet coefficient map Feature extraction Material classification 光谱学与光谱分析
2021, 41(12): 3665
燕山大学 电气工程学院, 河北 秦皇岛 066000
基于水质中石油类污染物的强荧光特性, 构建了荧光检测实验系统, 分别以50种不同浓度的汽油、柴油、煤油和机油的水溶液为测量样本, 分析了其荧光特性.由于四者荧光峰位置相似, 很难直接识别, 提出了一种运用神经网络进行模式识别的新方法, 将主成分分析法(PCA)和可拓神经网络(ENN)相结合对输入矢量进行降维并进行分类识别.结果表明, 该方法与ENN和PCA-BP算法相比, 迭代数由265降低到60；识别离差平方和由0.236 5降到0.014 5；识别效率由72.50%提升到96.25%；识别精度可达10-6级别.PCA-ENN算法具有较高的识别精度和识别效率, 同时也可用于水质中其它痕量有机物质的光谱识别.
石油类污染物 可拓神经网络 主成分分析 三维荧光光谱 分类识别 Oil pollutant Extension neural network Principal component analysis Three-dimensional fluorescence spectra Material classification 光子学报
2017, 46(11): 1130002
1 长春理工大学光电信息学院光电工程分院， 吉林 长春 130012
2 95899部队， 北京 100085
为了降低偏振光成像技术的使用要求，提出了一种环境光照明条件下研究材质分类的方法。根据菲涅耳反射定律，目标表面的反射光带有偏振成份，采用偏振成像探测偏振角得到探测器与反射面的方位角，对偏振片的4个方向强度进行补偿得到被测表面对应的水平与垂直偏振度,通过测量反射光的反射偏振度与反射率比可以分类出目标材质。对橡胶板和金属铝板两种不同材质目标的反射偏振度与反射率比进行了仿真模拟与实验研究，研究结果表明金属与非金属在一定观测角度范围内存在明显的反射率比差异，采用菲涅耳反射率比作为衡量依据可以更有效区分金属与非金属目标。
成像系统 偏振成像 材质分类 偏振度 反射率 偏振角 光学学报
2016, 36(10): 1011002
研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。 选用七种常见的塑料作为实验样品, 获得每种样品的170组LIBS光谱数据, 利用主成分分析获得前五个主成分的得分矩阵。 用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集, 建立反向传播(BP)人工神经网络模型。 将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别, 其识别准确度达到97.5%。 实验结果表明, 通过采用主成分分析与BP人工神经网络相结合的方法, 可以很好地进行塑料激光诱导击穿光谱的分类识别, 对塑料的回收利用有重要价值。
激光诱导击穿光谱 塑料 主成分分析 BP人工神经网络 分类识别 Laser-induced breakdown spectroscopy (LIBS) Plastics Principal component analysis(PCA) Artificial neural network(BP) Material classification 光谱学与光谱分析
2012, 32(12): 3179
提出一种基于偏振光谱二向反射分布函数图像的物质自动分类方法，该方法主要选择偏振光谱二向反射分布函数信息作为新的特征用于物质自动分类.采用支撑向量机的分类方法对不同的天气条件(晴天、多云、阴天)下处于杂乱的自然草地背景环境中的典型目标进行分类，最后比较三种不同特征选择对于分类准确度的影响.采取三种不同的特征选取方法，分别为采用单一的光谱特征、偏振光谱特征及偏振光谱二向反射分布函数特征.最后通过实验得出：将偏振光谱二向反射分布函数作为分类特征在三种不同的天气情况下，分类准确度都较高，特别是在阴天天气条件下，分类准确度明显高于其它两种特征选择.即使是在阴天低照度下的场景中，当不同目标和背景之间的灰度很接近时，采用本文方法也能准确的进行自动分类.
偏振光谱 二向反射分布函数 物质分类 特征选择 支撑矢量机 Spectropolarimetric BRDF Material classification Feature selection SVM
