1 昆明理工大学信息工程与自动化学院，云南 昆明 650500
2 昆明理工大学云南省人工智能重点实验室，云南 昆明 650500
3 浙江大学控制科学与工程学院，浙江 杭州 310027
提出一种迁移学习与深度学习相结合的钢板裂纹缺陷检测方法。首先，通过非负矩阵分解（NMF）建立红外缺陷数据集的目标域特征空间，以余弦相似度为衡量指标选取可见光缺陷数据集的源域样本，对深度学习模型进行预训练，并将模型权重参数迁移至目标域，实现相似领域的知识迁移；然后，在YOLO v5算法基础上引入自适应空间特征融合（ASFF）模块，提高缺陷检测精度。实验结果表明：所提方法对钢板脉冲涡流热成像裂纹缺陷的检测精度达到98.6%，可实现不同长度裂纹的准确识别与定位。
机器视觉 无损检测 脉冲涡流热成像 迁移学习 非负矩阵分解 YOLO v5
土壤中过高的重金属含量危害巨大, 不仅造成了严重的环境污染, 而且通过食物链进入人体对人体健康造成严重威胁, 所以对重金属检测十分重要。 X射线荧光光谱法具有检测时间短、 无损检测、 检测成本低等特点被广泛使用, 然而检测的光谱数据因受到土壤含水量因素的严重干扰, 导致直接对土壤重金属含量估算精度较低。 以河北省保定市满城区土样为研究对象, 对采集的土样进行除杂、 过筛、 烘干后加入一定量重金属溶液制备不同含水量不同重金属的样本进行检测。 对实验中异常数据计算了马氏距离和进行NJW聚类予以剔除, 分析了土壤含水量对土壤重金属光谱的影响, 结果表明不同含水量间光谱重复性差, 随着土壤含水量的增加光谱强度呈非线性降低。 采用Savitzky-Golay卷积平滑去噪法和线性本底法对光谱进行预处理, 以解决因环境、 仪器本身带来的噪声和基线漂移等问题。 然后针对于土壤含水量这一主要干扰, 采用非负矩阵分解算法进行处理, 并使用峰值信噪比这一评价模型确定端元数目, 结果表明当端元数目增至10时峰值信噪比趋于稳定波动很小, 非负矩阵分解处理后相同重金属含量不同含水量间光谱重复性好、 相似性好, 并计算了光谱间的相关系数进一步证明了光谱间的相似性。 去除含水量对于光谱干扰后建立了偏最小二乘法预测模型, 为了验证预测模型的精度, 建立了未去除含水量的偏最小二乘法预测模型和使用外部参数正交化法去除含水量建立的偏最小二乘法预测模型, 并使用评价参数决定系数(R2)、 交叉验证均方根误差(RMSECV)、 平均绝对误差(MAE)和相对分析误差(RPD)进行评价。 验证结果表明, 相比较未去除含水量建立的模型, 使用非负矩阵分解去除含水量建立的偏最小二乘法模型R2和RPD分别提高了0.019 7和1.029 2, RMSECV和MAE分别降低了2.386 3和1.439 6; 相对于外部参数正交化法建立的偏最小二乘法模型, R2和RPD分别提高了0.009 9和0.108 1, RMSECV和MAE分别降低了0.244 7和0.356 6, 说明了经过非负矩阵分解去噪后建立的模型有效提高了预测的精度和鲁棒性。 非负矩阵分解可以有效消除土壤含水量对光谱的影响, 在此基础上建立的偏最小二乘法模型实现了土壤重金属含量的反演, 为重金属定量检测提供了一定的技术支持。
土壤重金属 X射线荧光光谱 非负矩阵分解 偏最小二乘法 Soil heavy metals Energy dispersive X-ray fluorescence spectra Non-negative matrix factorization Partial least squares 
随着“绿色轮胎”概念的深入, 轮胎橡胶的有效成分直接关系到橡胶合格与否, 而轮胎橡胶对于检测部门而言是一个“黑色”分析系统, 如何利用现有手段进行橡胶成分的准确检测至关重要。 太赫兹时域光谱(THz-TDS)技术已经成功应用于物质检测分析当中, 但是在许多情况下, 从橡胶这个复杂样品中观察到的太赫兹光谱数据代表了几个相互关联的组分或特征成分共同作用的综合结果, 原始数据中包含的实际信息可能会重叠, 进而影响橡胶混合物中各组分的分析。 为了解决太赫兹光谱重叠的问题, 利用太赫兹光谱矩阵连续平滑和浓度矩阵稀疏的特点, 将具有平滑特性的2范数和具有稀疏特性的1/2范数引入到非负矩阵分解方法, 提出基于光谱特征约束非负矩阵分解(constraint non-negative matrix factorization, CNMF)的太赫兹混叠光谱分离方法。 首先通过THz-TDS获取丁腈橡胶(NBR)与硫化促进剂2-巯基苯并噻唑(MBT)二组分混合物, 以及NBR、 MBT和一硫化四甲基秋兰姆(TMTM)三组分混合物的时域光谱; 然后对时域光谱进行傅里叶变换得到其频域光谱, 进而获取混合物所对应的吸光度混叠光谱矩阵; 光谱分离之前对获得的光谱矩阵进行主成分分析, 初步判定混合物组分数, 最后利用非负矩阵分解算法(non-negative matrix factorization, NMF)、 基于纯变量初始化的非负矩阵分解(purity non-negative matrix factorization, PNMF)和CNMF三种方法对混叠光谱进行光谱解析。 对比发现, 相较于NMF和PNMF方法, CNMF算法的分离效果更佳, 特征吸收峰对应结果更准确, 针对不同组分混合物分离结果的相关系数均高于89%, 光谱角小于0.5, 具有较高的纯净物光谱还原度。 将带有约束的非负矩阵分解算法引入到太赫兹混叠光谱的分离上, 较好的提取出复杂混合物中单一成分的特征信息, 为后续的太赫兹多组分混合物的定性分析和定量计算奠定了较好的基础, 在绿色轮胎及橡胶的质量检测领域具有一定的研究前景。
太赫兹时域光谱 光谱分离 非负矩阵分解 轮胎橡胶 黑色分析体系 THz-TDS Spectral separation Non-negative matrix factorization Tire rubber Black analysis system 光谱学与光谱分析
2020, 40(12): 3736
1 河南理工大学测绘与国土信息工程学院, 河南 焦作 454150
2 黄河水利科学研究院, 河南 郑州 450000
提出了一种结合欧氏距离和光谱信息散度的改进的高光谱解混非负矩阵分解(NMF)初始化方法(IISSF)。在初始化基础上,结合标准NMF算法和分块NMF算法进行平行对比实验。结果表明,在合成影像实验中,在信噪比为20 dB~50 dB范围内,经过IISSF初始化后的分块NMF算法获取的结果要优于其他方法;且其在真实影像实验中获取的端元光谱与真实影像端元光谱之间具有最小的平均光谱角差值,即0.1812 ;其重构影像与真实影像之间的均方根误差值最小,为0.007。
图像处理 高光谱影像 非负矩阵分解 空间特征 光谱特征 激光与光电子学进展
2020, 57(6): 061020
1 中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
从重叠情况严重的混合气体光谱中解析出单一纯光谱数据,一直是光谱解析的难点。为了 得到理想的解混精度,采用改进的非负矩阵分解算法,引入光谱的相关性约束与平滑性约束,并给出优化的梯度下降法的迭代步长, 以避免算法收敛到局部不稳定点带来的影响。改进的算法既综合了矩阵的分解误差,又考虑了混合光谱特性的影响。实验数据表明, 改进的非负矩阵分解得到的解混结果能够准确解析出各源光谱的特征峰形状,并且各解混结果之间几乎没有混合叠加影响部分,可以满 足后续的光谱识别工作。
光谱学 非负矩阵分解 盲源分离 梯度下降法 spectroscopy non-negative matrix factorization blind source separation gradient descent
1 河南工程学院,a.理学院
2 河南工程学院,b.计算机学院, 郑州 451191
3 中国矿业大学物联网研究中心, 江苏 徐州 221008
为了得到更精确且信息更丰富的融合图像, 利用有限离散剪切波变换(FDST)改进了多聚焦图像融合算法。借助FDST完美的平移不变性和分解与重构过程中的快速有效性, 通过多尺度多方向分解来获取高低频子带系数, 然后对高频引入自适应加权与区域标准差匹配度法的融合策略, 并利用改进梯度投影的非负矩阵分解的融合手段处理低频子带, 分别得到融合后的高低频子带后, 采用FDST逆变换重构获得融合后的图像。对多聚焦图像的实验表明: 改进方法在主观视觉上图像清晰, 客观指标明显提高, 运行时间明显缩短, 充分说明了融合结果既保留了源图像丰富有效的信息, 又有很好的实效性。
图像融合 有限离散剪切波 非负矩阵分解 平移不变性 区域标准差 image fusion finite discrete shearlet non-negative matrix factorization shift-invariant area-based standard deviation
沈阳航空航天大学 电子与信息工程学院 电子与通信工程系, 沈阳 110136
在红外线与可见光图像的融合过程中, 经常会出现融合图像细节方面缺失的情况。为了解决这一问题, 采用了改进的非下采样轮廓波变换(NSCT)图像融合算法, 融入动态的加权非负矩阵分解规则(WNMF), 对图像进行融合处理。结果表明,利用非下采样轮廓波变换算法对两幅源图像进行多尺度多方向的分解, 可得到低频与高频部分; 动态的WNMF融合规则作为低频部分的融合规则; 高频部分中最高层的分解尺度采用绝对值取大的方法;高频部分其它各层则设定匹配度阈值;低于阈值时, 使用基于区域能量匹配度的区域方差选大的方法; 如果高于阈值时, 采用加权平均的方法进行; 通过对低频部分与高频部分的处理, 用NSCT逆变换方式获得了融合图像。该方法有效提高了融合图像清晰度, 凸显了其细节信息, 缩短了所需的计算时间。
图像处理 图像融合 非下采样轮廓波变换 加权非负矩阵分解 区域能量匹配度 image fusion nonsubsampled contourlet transform weighted non-negative matrix factorization regional energy matc
1 中国科学院光电研究院中国科学院计算光学成像技术重点实验室, 北京 100094
2 中国科学院大学, 北京 100049
将非负矩阵分解(NMF)算法应用到空间目标图像识别中,对两种传统NMF算法的迭代规则进行了改进,得到了稀疏NMF算法,并分别在二维(2D)和(2D)
2维度应用了这3种算法。在实验室模拟了空间光学环境,获得了多组空间目标缩比模型图像,图像预处理后建立了训练样本库和测试样本库,运用不同NMF算法对训练样本进行了特征基提取,采用最小距离分类器进行了测试样本的分类,各种NMF算法识别率均在78%以上,最高可达90%。实验结果验证了所提算法的有效性,与其他已有的目标图像识别方法相比,具有准确率较高、速度快、资源开销少的优点。
图像处理 图像识别 非负矩阵分解 空间目标图像 最小距离分类器 激光与光电子学进展
2019, 56(10): 101007
南昌工程学院 江西省水信息协同感知与智能处理重点实验室, 江西 南昌 330099
稀疏正则化函数的选取直接影响到稀疏非负矩阵分解高光谱解混的效果。目前, 主要采用L0或L1范数作为稀疏度量。L0稀疏性好, 但求解困难; L1求解方便, 但稀疏性差。提出一种近似稀疏模型, 并将其引入到多层非负矩阵分解(AL0-MLNMF)的高光谱解混中, 将观测矩阵进行多层次稀疏分解, 提高非负矩阵分解高光谱解混的精度, 提升算法的收敛性。仿真数据和真实数据实验表明: 该算法能够避免陷入局部极值, 提高非负矩阵分解高光谱解混性能, 算法精度上比其他几种算法都有较大的提升效果, RMSE降低0.001~1.676 7, SAD降低0.002~0.244 3。
非负矩阵分解(NMF) 稀疏 混合像元 解混 non-negative matrix factorization (NMF) sparsity mixed pixels unmixing 红外与激光工程
2018, 47(11): 1117010
1 中国科学技术大学环境科学与光电技术学院,安徽 合肥 230026
2 中国科学院安徽光学精密机械研究所中国科学院通用光学定标与表征技术重点实验室 , 安徽 合肥 230031
被动傅里叶变换红外遥测技术可以测量大部分污染气体,亮温光谱法能够在无需背景信息的前提下实现目标特征提取与识别。在野外进行实测时, 存在背景物体辐射、大气中成分辐射、仪器噪声等信号。当目标信号弱于这些信号时,亮温光谱法难以直接从实测光谱中提取目标特征。 针对这一问题,提出了一种基于非负矩阵分解的光谱特征提取方法,在被动红外遥测模型基础上,通过对整个亮温光谱进行分析,得到目标光谱特征。 实际测量以SO2为目标气体进行野外实验,对该方法进行了验证,结果表明,在目标信号较弱的亮温光谱中仍然能够提取到SO2的光谱特征,证明了方法的有效性。
红外遥测 亮温谱 特征提取 非负矩阵分解 infrared remote sensing brightness temperature feature extraction non-negative matrix factorization 大气与环境光学学报
2018, 13(6): 447
