为了提高基于抛物线拟合的布里渊频移提取准确性, 文章采用Savitzky-Golay滤波对含噪布里渊谱进行滤波得到比较准确的布里渊频移后, 从未滤波布里渊谱中选择对称的部分, 然后采用抛物线拟合提取布里渊频移。由于文章所提方法能得到对称程度较高的布里渊谱, 且计算耗时增加不多, 因此改进的抛物线拟合方法可以在保证实时性的基础上显著提高布里渊频移提取的准确性。文章采用了原始抛物线拟合方法、基于伪Voigt模型的拟合方法和改进的抛物线拟合方法来计算光纤沿线的布里渊频移, 结果表明, 改进的抛物线拟合方法计算时间要长于原始抛物线拟合方法, 但仅为基于伪Voigt模型拟合方法的1/37~1/28, 且布里渊频移计算准确性与后者相似。基于文章所提算法有望实现光纤沿线温度和应变的快速感知。
分布式光纤传感 布里渊散射 温度和应变 Savitzky-Golay滤波 快速 distributed optical fiber sensing Brillouin scattering temperature and strain Savitzky-Golay filter fast
针对目前应用Savitzky-Golay(SG)滤波器进行高光谱图像滤波过程中空间信息无法利用, 造成小麦赤霉病高光谱分类识别模型精度仅能达到87.088 9%的问题, 提出高光谱图像空-谱维联合SG滤波(TSG滤波)的方法, 使模型精度相比采用SG滤波提升了12.066 7%。 该算法将一维的SG卷积核按四个方向扩展成二维的SG卷积核, 根据卷积定理利用快速傅里叶变换对高光谱图像数据进行空间及光谱维联合快速滤波。 设置TSG滤波核窗口系数m=2~4, 阶数n=3~5, 滤波后图像信噪比提升了10%以上、 峰值信噪比高于30 db、 结构相似度大于96%, TSG滤波能保持原图特征并显著提升图像信噪比。 对比Pavia University高光谱图像经TSG滤波(m=3, n=4)、 SG滤波(m=7, n=3)后的灰度图像与光谱图, 可以看出TSG滤波后图像条带噪声得到了抑制、 特征峰相对峰值高度最高提升31.68%、 特征波段平均强度提升41.83%, 而SG滤波后图像条带噪声依然清晰且特征峰相对峰值高度至少降低了13.40%。 构建基于TSG-PCA-SVM算法的小麦赤霉病高光谱分类识别模型, 训练集包含500个样本点, 测试集包含4500个样本点, 模型测试集分类精度高达99.155 6%、 卡帕系数0.983 613, 对于小麦高光谱数据集中全部116 880个样本点的总分类精度高达99.206 0%。 经TSG滤波后分类模型精度高、 一致性好, 分类精度相较于SG滤波后的87.088 9%获得了显著提升。 综上所述, 该研究为高光谱图像滤波提供了一种新的思路, 为小麦赤霉病高光谱识别系统构建提供了参考与依据。
SG滤波器 高光谱图像 主成分分析 支持向量机 分类识别 Savitzky-Golay filter Hyperspectrum image Principal components analysis Support vector machine Recognition 光谱学与光谱分析
2020, 40(12): 3699
1 河北工业大学机械工程学院, 天津 300130
2 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
3 天津工业大学天津市电工电能新技术重点实验室, 天津 300387
红外光谱分析技术已被液体、 固体和气体混合物各组分的定量检测广泛应用。 针对红外光谱定量检测过程中存在的计算过程复杂、 受背景及噪声干扰、 多组分谱线混叠的问题, 一方面, 通过获取谱线二阶导数去除背景及噪声干扰, 并一定程度上区分混叠谱峰。 在获取二阶导数谱线过程中运用Savitzky-Golay滤波器进行平滑滤波处理, 并根据谱线频率特征选取Savitzky-Golay滤波器最佳滤波参数, 解决了滤波参数缺乏标准化选取方法的问题。 另一方面, 根据被测组分的吸收分布情况生成特征吸收窗分别对待测原始吸收谱线以及二阶导数谱线加以处理, 提取出在浓度计算过程中占据重要性更大的特征吸收的区域, 从而排除非吸收区域中背景、 噪声及其他组分对计算结果的干扰。 以一组丙烷、 丙烯和甲苯混合气体为例, 运用二阶导数方法以及特征吸收窗方法进行定量检测, 并与直接利用原始谱线的检测结果进行比较分析。 实验结果表明采用二阶导数谱与特征吸收窗的定量检测方法精度更高, 相对误差基本在5%以内。
红外 定量检测 二阶导数谱 Savitzky-Golay滤波器 特征吸收窗 Infrared Quantitative detection Second order derivative spectrum Savitzky-Golay filter Characteristic absorption window 光谱学与光谱分析
2017, 37(6): 1765
1 西安科技大学, 陕西 西安 710054
2 西安交通大学电力设备电气绝缘国家重点实验室, 陕西 西安 710049
3 中国计量科学研究院, 北京 100013
对傅里叶变换中红外光谱数据的平滑预处理中, 通常采用Savitzky-Golay滤波器的方法进行光谱数据的平滑预处理, 然而Savitzky-Golay滤波器的多项式拟合阶次和窗宽等参数的合理选则始终是一个难题, 并无统一的选择依据, 通常在一定数值范围内, 采用多组数据进行遍历尝试, 最终选择一组相对较优的数据作为Savitzky-Golay滤波器的多项式拟合阶次和窗宽参数。 文中探索了Savitzky-Golay滤波器的多项式拟合阶次和窗宽等参数的优化选取这一问题, 并对其主要频率指标参数与多项式拟合阶次和窗宽等参数进行了定性定量分析, 得出了截至频率、 阻带起始点频率、 第一旁瓣峰值频率及第一旁瓣峰值幅度与窗宽和阶次之间具体的计算方程表达式。 随后, 根据采集的中红外气体组分的光谱数据特征, 依据上述计算方程式, 优化计算选取多项式拟合阶次和窗宽分别为8和11时, 其Savitzky-Golay滤波器的中红外气体组分的光谱数据平滑效果最优。 最后通过实际采集的0.1%, 0.2%, 0.5%, 1%, 2%, 5%浓度的CH4光谱数据进行平滑预处理, 在次吸收峰区域, 原始光谱的折算吸光率相对最大误差和最小误差分别为17.230 5%和0.243 0%, 平滑处理后的光谱的折算吸光率相对最大误差和最小误差分别为0.088 0%和0.020 6%。 可见经过Savitzky-Golay滤波器进行所探索的光谱数据预处理之后其相对误差基本稳定, 并且相对较低, 为后期光谱数据的准确定性和定量分析奠定了基础。
Savitzky-Golay滤波器 光谱数据预处理 折算吸光率 傅里叶变换红外光谱 Savitzky-Golay filter Spectra pretreatment Converted absorbance Fourier transform infrared spectroscopy 光谱学与光谱分析
2016, 36(5): 1340
1 河北科技大学信息科学与工程学院, 河北 石家庄 050018
2 天津大学精密仪器与光电子工程学院, 天津 300072
3 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
4 天津大学,天津市生物医学检测技术与仪器重点实验室, 天津 300072
表面等离子体共振(surface plasmon resonance,SPR)谱因共振强度、共振位置等不同而呈现不同的幅度和峰宽,需要发展自适应的分析方法才能保证SPR共振峰的精确定位.提出了一种基于Savitzky-Golay滤波器最优参数的SPR谱滤波方法,可根据实时SPR谱的特点优化滤波器参数(拟合阶数和窗宽),使滤波后光谱的均方误差(mean squared error,MSE)的Stein’s无偏风险估计(Stein’s unbiased risk estimate,SURE)最小,采用Monte-Carlo算法实现了SURE的快速求解.经验证,在不同的噪声水平下,SURE都可以准确反映实际MSE趋势及结果.采用搭建的SPR系统,实验测量了不同浓度、不同积分时间下蔗糖溶液的SPR信号,用提出的最优参数对SPR信号进行滤波,结果表明,与固定参数相比,该方法确定的SPR共振峰位置重复性误差较小,且不随噪声的增大而增大.
Savitzky-Golay滤波器 表面等离子体共振 均方误差 Stein’s无偏风险估计 Savitzky-Golay filter SPR MSE Stein’s unbiased risk estimate Monte-Carlo Monte-Carlo 光谱学与光谱分析
2015, 35(4): 1124
北京理工大学 光电学院 光电成像技术与系统教育部重点实验室, 北京 100081
针对红外成像探测器单元响应不一致等因素导致的图像非均匀性条带问题, 提出了基于直方图加权和Savitzky-Golay拟合的非均匀性条带校正方法。首先, 计算每列的归一化直方图函数并将其作为权值对图像进行加权运算;然后, 利用Savitzky-Golay滤波器对加权后的图像列均值和列方差进行拟合, 并将结果带入校正公式, 通过可调参数的迭代完成校正。实验结果表明: 该方法能有效地去除非均匀性条带, 保留图像的光谱辐射信息和纹理细节, 各项评价指标均提高10%。
非均匀性条带校正 红外成像探测器 直方图加权 Savitzky-Golay滤波器拟合 stripe nonuniformity correction infrared imaging detector histogram weighting Savitzky-Golay filter fitting
1 天津大学精密仪器与光电子工程学院, 天津 300072
2 天津津航技术物理研究所, 天津 300308
二极管激光吸收光谱以温度扫描实现快速宽谱调谐，其原始数据不便于传统的处理及运算，适当的预处理是进行后续数据处理的基础。在分析了温度调谐数据特征的基础上，利用Savitzky-Golay滤波器去除了波长序列中温度检测噪声的干扰，选择单调的波长区间对信号幅值进行三次样条插值，以固定的波长点对应采样点，得到一组位置固定的幅值序列用于后期处理。此方法将两列检测数据合并为一列，相同的起始点和固定的波长位置不仅将多周期平均后的信噪比提升为原始数据的6倍，也使多组数据的比较及评价成为可能，一致的波长分辨率保证了线形检测的精确度，减小了吸收峰的频带宽度，有助于后续的处理、运算以及评价。
光谱学 调谐二极管激光吸收光谱 数据预处理 Savitzky-Golay滤波器 三次样条插值
高光谱遥感图像是一种三维数据，由二维空间信息和一维光谱信息组成。普通的对二维静态图像或一维光谱信息去噪的算法忽视了高光谱图像强烈的谱间相关性和图谱合一的特点，无法取得令人满意的效果。同时现代的高光谱遥感图像噪声级别相对较低，噪声方差随波段不同而不同。针对以上特点，提出一种微分域三维混合去噪方法。首先将高光谱遥感图像变换到光谱微分域，使细微的噪声变得显著。然后在微分域中，对二维空间域采用基于小波的非线性阈值去噪BayesShrink算法。为克服噪声方差不同的特点，对光谱维不再采用小波阈值去噪方法，而采用Savitzky-Golay滤波进行平滑。最后对微分域去噪平滑处理后的图像进行光谱积分，并进行积分修正，消除光谱积分中引入的积累误差。对信噪比为600：1的机载可见红外成像光谱仪数据(AVIRIS)实验表明，该算法能有效地降低噪声，将信噪比提高到2000：1以上。
高光谱图像 微分域 BayesShrink方法 Savitzky-Golay滤波 Hyperspectral imagery Derivative domain BayesShrink method Savitzky-Golay filter 光谱学与光谱分析
2009, 29(10): 2717
为了解决散斑干涉计量中亚波长位移测量的困难，相移技术被广泛使用，但相移技术有其固有缺点，应用非常麻烦。这里提出一种不同于已往相移技术的全新微小位移测量方法。即把灰度等级法和散斑干涉计量相结合以实现对亚波长位移或变形的测量。克服了散斑干涉计量中变形或位移小于半个波长不产生完整条纹时计量困难的缺点，论述了其测量原理并进行了实验。实验结果很好地证明了上述方法的可行性。为精密散斑干涉计量提供了一种更简单有效的方法。
散斑干涉 灰度等级 纳米级位移 Savitzky－Golay滤波器 speckle interference gray level nanometer deformation Savitzky-Golay filter
