石家庄铁道大学信息科学与技术学院, 河北 石家庄 050043
波长探测作为科学技术中的一个基本工具, 在分析化学、 生物传感和光学通信等众多领域具有重要作用。 从多模光纤信号传输理论出发, 在绝热、 准直模型中建立基于模式干涉效应的强度干涉图像理论; 实验测量时, 在光纤尾端引入缓变(斜率约为0.01)锥形区域设计, 保证收集到侧面辐射信号的同时, 也近似满足理论模型和数值仿真结果。 在搭建的显微共焦成像系统中, 连续扫描窄带激光器进行干涉图像存储, 经过区域选取、 向量拼接以及奇异值分解等步骤得到由器件特性决定的校样矩阵。 波长的探测过程共分为两个步骤: 在工作带宽内纳米量级粗略扫描光波长得到粗略校准矩阵, 一维待测信号强度图像与之进行内积相关性运算后, 选取数值最高的波长值作为预估波长单元; 在此基础上精细扫描得到精细校样矩阵, 选取三个最大主成分并定义与波长欧氏距离最小值确定最终探测波长。 采用内积相关性运算联合主成分分析法不仅可以将波长探测分辨率提高到20 pm、 准确率达到96.7%, 探测效率较其他光谱重建算法提高50倍。 实验证实该波长计工作范围至少为400~700 nm, 器件尺寸仅为π×(20 μm)2×0.5 mm。 该器件在高性能、 便携式和低成本方面较同类器件有较大提升, 在光谱重建效率也集成了高效算法, 能够广泛应用于光纤传输系统的波长实时探测。
波长探测 波长计 主成分分析 光谱重建 Wavelength detection Wavemeter Principle component analysis Spectral reconstruction 光谱学与光谱分析
2021, 41(11): 3625
光子学报
2021, 50(11): 1110002
1 安徽大学 农业生态大数据分析与应用技术国家地方联合工程研究中心，安徽 合肥 230601
2 安徽大学 电子信息工程学院，安徽 合肥 230601
如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息，提出了一种联合局部二值模式LBP（Local Binary Patterns）与K-最近邻KNN（K-Nearest Neighbors）算法的高光谱图像分类方法。首先，通过主成分分析PCA（Principle Component Analysis）对高光谱数据进行降维；然后，使用LBP提取降维后的高光谱图像空间纹理信息，将光谱与空间特征变量堆叠成空—谱特征向量；最后，输入最近邻分类器得到分类结果。选取Pavia University、Indian Pines和Salinas三种公开高光谱数据集的训练集和测试集作为建模和验证数据源，选取KNN、基于径向基核函数的支持向量机（RBF-SVM）、核联合正交匹配追踪（Kernel Simultaneous Orthogonal Matching Pursuit，KSOMP）三种经典分类算法作为比较。在Pavia University与Indian Pines数据集中随机选取10%作为训练样本，总体精度和Kappa系数分别达到99.15%、98.87%和97.88%、97.58%；在Salinas数据集中随机选取2%作为训练样本，总体精度与Kappa系数为98.46%和98.29%。实验结果表明，在训练样本仅为数据集10%甚至2%的条件下，本文提出的方法仍可达到98%以上的分类精度，可满足训练样本难以获取的应用场景对高分类精度要求。
高光谱遥感 局部二值模式 K-最近邻 空谱特征 主成分分析 hyperspectral remote sensing local binary patterns（LBP） k-nearest neighbors（KNN） spatial and textural features principle component analysis
1 上海应用技术大学计算机科学与信息工程学院, 上海 201418
2 军事兽医研究所, 吉林 长春 130062
药品食品的安全问题一直是人们关注的重点。相比于传统的食源性致病菌光谱检测方法,拉曼光谱法具有检测范围广、检测灵活、光谱特征突出等特点。本文以常见的食源性致病菌为研究对象,利用拉曼光谱仪采集了11种食源性致病菌样品的132个拉曼光谱数据,提出了一种基于主成分分析和随机森林算法的分类模型。实验结果表明,主成分分析结合随机森林算法的分类模型可以将食源性致病菌区分开,且分类准确度可达到91.36%。
光谱学拉曼光谱 机器学习 食源性致病菌检测 主成分分析 随机森林
华东交通大学机电与车辆工程学院, 江西 南昌 330013
为探索不同光谱预处理方法对太赫兹(THz)光谱的影响,采用平滑、多元散射校正、基线校正和归一化相以及多元散射校正和归一化结合等预处理方法。为优化模型、减少运算量,采用主成分分析(PCA)对太赫兹光谱进行波段压缩,以降低数据维数,基于压缩后的数据分别建立反向传播神经网络 (BPNN)和广义回归神经网络(GRNN)检测模型。实验结果表明:经多元散射校正结合归一化校正处理后的GRNN模型效果最佳,得到的预测相关系数为0.9967,预测均方根误差为0.0050。本实验验证了THz光谱检测技术对奶粉中违禁添加剂三聚氰胺检测的可行性,并建立了较优的掺杂三聚氰胺奶粉样品的GRNN检测模型。该研究对促进奶粉行业的健康发展具有较为重要的意义。
光谱学 太赫兹光谱技术 奶粉 三聚氰胺 广义回归神经网络 主成分分析 激光与光电子学进展
2020, 57(22): 223001
1 塔里木大学现代农业工程重点实验室, 新疆 阿拉尔 843300
2 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室, 浙江 杭州 311300
采用高光谱成像技术对香梨的表面损伤缺陷进行准确高效的无损检测。选用80个库尔勒香梨为研究对象,采集400~1000 nm波段内完好样本和损伤样本的高光谱图像;利用统计分析的方法,选择863 nm处的高光谱图像建立掩模图像;运用主成分分析方法降低香梨高光谱数据的维度,选择损伤区域与背景区域光谱差异最为明显的第二主成分图像,将其和第四主成分图像进行比值处理,进一步增强损伤区域与背景区域的差异;最后经自适应阈值分割、形态学运算,提取香梨表面损伤区域。结果表明,该方法能够有效识别出香梨的表面损伤,准确度、精度和召回率分别为93.75%、87.50%和100%。
图像处理 高光谱图像 表面损伤检测 主成分分析 比值算法 激光与光电子学进展
2020, 57(14): 141017
1 中国农业科学院蜜蜂研究所, 北京 100093
2 农业部蜂产品质量安全控制重点实验室(北京), 北京 100093
3 农业部蜂产品质量安全风险评估实验室, 北京 100093
4 北京工商大学计算机与信息工程学院, 北京 100048
5 食品安全大数据技术北京市重点实验室, 北京 100048
为快速鉴别5种蜂蜜(椴树蜜、荆条蜜、油菜蜜、洋槐蜜、荔枝蜜)的品种,首次提出了基于主成分分析(PCA)方法结合线性支持向量机(SVM)或最小二乘支持向量机(LSSVM)的中红外光谱法鉴别蜂蜜品种的新方法。用傅里叶变换中红外光谱仪测定5种蜂蜜样本的中红外光谱,并进行归一化预处理,然后用主成分分析降维方法分别提取经预处理后的光谱数据中的5维、10维、15维、20维特征数据,最后设计了线性SVM和基于网格搜索优化算法的径向基函数(RBF)的LSSVM分类器模型。利用不同分类器模型,识别未知蜂蜜样本光谱数据降维到不同维数的特征数据,并进行实验验证。结果表明:应用主成分分析降维方法降维到20维的特征数据在SVM和LSSVM分类器上的平均识别率均高于97%,最高识别率均可达到100%,且稳定性很好;利用较低维数数据进行分类时,LSSVM分类器比SVM的识别精度更高,稳定性更好。研究证明将中红外光谱与线性SVM或LSSVM结合用于快速鉴别蜂蜜品种是可行的。
光谱学 中红外光谱 主成分分析 支持向量机 最小二乘支持向量机 径向基函数 激光与光电子学进展
2018, 55(6): 063003
华中光电技术研究所—武汉光电国家实验室, 湖北 武汉 430223
红外光谱成像技术在气体检测、环境监控、目标识别等领域得到了广泛应用。基于时间调制干涉原理,介绍了一种双波段傅里叶变换红外成像光谱仪的设计原理和工作特点。重点叙述了其干涉光学系统的设计,以及外场条件下的工程化措施。在此基础上,针对实际应用中目标与背景光谱特征区别难度大的问题,提出了一种光谱特征曲线解析计算方法。该方法采用光谱重排和一阶微分对差异特征进行放大,并基于主成分分析输出目标光谱检测结果。利用该方法,对实际场景红外光谱图像进行了目标检测实验。实验结果表明,采用该光谱解析方法可以较好地对目标和背景光谱特征进行区分,进而实现基于超光谱图像的目标检测。
光谱成像 干涉调制 光谱重排 一阶微分 主成分分析 spectral imaging interference modulation spectrum rearrangement first order differential principle component analysis
1 华南师范大学物理与电信工程学院, 广东 广州 510006
2 华南师范大学物理学科基础课国家级实验教学示范中心, 广东 广州 510006
为了消除光学相干层析成像(OCT)系统中存在的大量散斑噪声,引入了稳健性主成分分析(RPCA)算法。通过分析生物组织在OCT中散斑的产生机制,从而了解OCT系统中散斑噪声的特点。结合OCT系统自身的特点,证明基于RPCA算法的低秩矩阵恢复模型对OCT系统消除散斑噪声有良好的适用性。利用RPCA算法,可以得到将OCT原始图像分解成散斑噪声图像和样品截面图像的最佳估计。RPCA算法能在分离散斑噪声的同时,保留样品自身结构的散斑图样,有效地避免了伪影的生成。通过对比处理后和处理前的图像,结果表明,RPCA算法能够有效地抑制散斑噪声,提高信噪比,改善OCT图像效果。
成像系统 光学相干层析成像 图像增强 稳健性主成分分析 散斑 散斑噪声
1 国家海洋食品工程技术研究中心, 大连工业大学, 辽宁 大连 116000
2 辽宁省海洋食品加工技术装备重点实验室, 大连工业大学, 辽宁 大连 116000
新鲜度是即食海参加工品质调控和贮藏品质监控的关键指标。 针对感官评定和现有理化检测无法满足即食海参产品大批量、 标准化、 工业化生产问题, 提出了一种基于高光谱图像的即食海参新鲜度快速无损检测方法, 通过图像主成分分析和波段比运算相结合, 优选特征波长和图像; 依据海参腐败机理, 建立图像纹理特征与即食海参新鲜度等级间的关联模型, 实现即食海参新鲜度无损、 快速评价。 首先针对高光谱图像巨大的数据量展开降维研究。 根据即食海参体壁光谱吸收特性, 以具有明显化学吸收特征的波长(474和985 nm)为分界点, 获得包括全检测波段(400～1 000 nm)在内的六个待处理波段, 通过分段图像主成分分析实现待测波段的优选, 利用权重系数和波段比图像运算, 最终将686和985 nm波段比图像确定为特征图像。 面向特征图像的感兴趣区域(ROI), 构建灰度共生矩阵(gray-level co-occurrence matrix, GLCM)、 灰度梯度共生矩阵(gray-gradient co-occurrence matrix, GGCM)、 改进的局部二元模式纹理描述子(local binary pattern, LBP), 分别提取纹理参数作为输入, 以挥发性盐基氮(total volatile basic nitrogen, TVB-N)检测为标准, 建立经粒子群优化的BP 神经网络(back propagation, BP)即食海参新鲜度判别模型, 新鲜度等级判别准确率分别为90%, 95%和80%。 结果表明, 即食海参高光谱图像灰度梯度共生矩阵的纹理特征用于新鲜度判别效果较好。 为即食海参新鲜度快速无损检测方法研究和仪器开发提供了理论基础和数据支持。
高光谱图像 图像主成分分析 波段比 纹理特征 新鲜度 即食海参 Hyperspectral imaging Image principle component analysis Band ratio Texture feature Freshness Ready-to-eat sea cucumber 光谱学与光谱分析
2017, 37(11): 3632
