1 空军航空大学， 吉林 长春 130022
2 东北师范大学地理科学学院， 吉林 长春 130024
3 空军航空大学， 吉林 长春 130022中国人民解放军93116部队， 辽宁 沈阳 110000
面对日益丰富的机载、 星载高光谱传感器， 及其相伴增多的高光谱数据， 产生的数据量过大、 波段冗余等问题一直是高光谱图像处理、 解译的重难点。 同时， 利用高光谱遥感技术揭露伪装目标， 也一直是现代遥感应用技术研究要点。 在探测得到海量的地物光谱数据、 具有冗余的光谱信息， 设计恰当的数据降维技术具有至关重要的作用。 降维处理的主要方法中的波段选择方法， 其不但可以使图像数据的光谱信息在不失真的条件下实现数据降维， 还能在其基础上对伪装目标及其背景实现精确区分， 是当今利用高光谱技术进行**应用的重要技术手段， 同时也是国内外众多学者的研究热点。 利用各类指标计算波段间的不同表现， 并依据其参数选取代表性强的波段用于地物识别或分类来检验方法的优劣是目前比较常用的研究方式， 但是面向特殊地物， 如植被伪装目标的特定波段选择方法方面的实验研究现仍较少。 研究选取绿色钢板、 绿色伪装网、 绿色假草皮， 置于含有绿色健康植被、 湿润裸地、 干燥裸地的背景环境中， 通过模拟真实环境中的伪装目标和背景地物进行波段选择及分类实验验证。 首先通过分析光谱曲线， 选取显著特征波段; 其次结合根据波段间相关系数划分的子空间进行波段筛选; 然后依据地物目标的图像亮度建立视觉模型， 最终得到具有相对独立性和最佳可识别度的波段选择集合。 并在支持向量机分类器和马氏距离分类器中同两种常用算法选择波段结果与全波段组合进行分类实验对比， 实验发现所提出方法的波段选择结果相对于常用算法和全波段组合， 分类精度和速度均有所提高。 其中， 相较于应用全波段进行分类， 在两类分类器的分类结果， 总体分类精度分别提高4.559 2%和2.364 8%， Kappa系数分别提高0.059 4和0.031 2， 分类时间减少6.83 s。 实验证明该方法能有效在植被伪装目标和背景地物之间做出高效分类， 具有较大实际应用价值。
植被伪装 相关系数 子空间划分 可识别度 分类精度 Vegetation camouflage Correlation coefficient Subspace partition Recognition degree Classification accuracy 光谱学与光谱分析
2023, 43(5): 1582
江南大学自动化研究所, 轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
采用近红外光谱对物质浓度进行准确的在线检测对于生产优化具有重要意义。 建立检测模型需要从近红外光谱中提取相关信息, 代表性样本越多, 提取的信息越有效, 所建模型的精度越高。 随着产品纯度的提高, 样本的区分度下降, 样本的变异系数小, 多样性不足, 并且存在测量噪声以及化验室人工检测样品浓度值时的测量误差, 会导致物质浓度与光谱之间缺乏相关性, 传统的建模方法无法建立可靠的近红外检测模型。 为了解决这个问题, 提出了一种基于PLS子空间对齐的迁移学习建模方法, 应用于2,6-二甲酚精馏提纯过程中产品塔高纯度产品的在线检测。 在制备化工单体2,6-二甲酚过程中, 存在副反应和未反应完全的杂质, 生产反应后的物料要顺序经过不同的精馏塔, 最后在产品塔获得纯度高于99%的产品, 产品塔的质量检测尤为重要。 由于产品塔检测点近红外光谱数据缺乏多样性, 检测模型的泛化能力较弱。 该研究采用偏最小二乘为2,6-二甲酚精馏提纯过程中不同检测点的数据集创建子空间, 然后通过最小化其他检测点数据子空间与产品塔检测点数据子空间的布雷格曼(Bregman)散度, 将其他检测点数据的子空间对齐到产品塔数据子空间, 减小其他检测点数据子空间与产品塔检测点数据子空间的特征分布差异, 既避免了投影到公共子空间产品塔检测点数据特征信息的损失, 又能充分利用其他检测点数据的特征信息, 然后在迁移后的子空间完成偏最小二乘回归建模, 通过竞争学习加权策略确定最终的模型系数, 从而提升产品塔检测模型的性能。 在2,6-二甲酚纯度近红外检测数据集上进行了仿真验证, 并探讨了迁移其他检测点不同数量的数据对产品塔检测模型性能的影响, 产品塔检测模型的最大性能提升达到了52.19%, RMSEP值由0.059 4下降到0.028 4, 与传统建模方法支持向量机回归和BP神经网络相比具有明显的优势。
近红外光谱 迁移学习 子空间对齐 6-二甲酚 精馏提纯 Near infrared spectroscopy Transfer learning Subspace alignment 2 6-dimethylphenol Distillation purification 2 光谱学与光谱分析
2022, 42(11): 3608
河北科技大学信息科学与工程学院，河北石家庄050000
针对阵列信号处理中传统信源个数估计方法如基于Akaike 信息论准则方法(AIC)、最小描述长度准则方法(MDL)等特征值分解类算法计算量大，且在小快拍数、低信噪比时性能下降甚至无法正确估计的问题，提出了一种基于子空间分析的快速信源个数估计方法。该算法首先利用多级维纳滤波器(MWF)对信号进行快速的子空间估计，然后计算阵列信号协方差在子空间匹配滤波器中的投影值，通过分析其正交性来估计信源个数。研究结果表明，该算法不但在小快拍数、低信噪比时相较于传统特征值分解类算法具有更优异的性能，并且计算量大大降低。
阵列信号处理 信源个数估计 子空间估计 多级维纳滤波 空间匹配滤波器 array signal processing source number estimation subspace estimation Multi-stage Wiener Filter(MWF) spatial matched filter 太赫兹科学与电子信息学报
2022, 20(4): 366
近红外光谱分析技术近年来在各种领域的定性、 定量分析等方面得到广泛的应用。 多元标定技术则是光谱分析领域中最先进的技术, 而环境条件、 测量仪器或测量物质自身的变化, 都可能导致多元标定模型不再适用于新样本的预测。 重新标定和重新建模必然会浪费大量时间和资源。 一种解决方案是标定迁移, 将源域已有的标定模型扩展到目标域中, 避免重复建模的代价。 在化学计量学的相关文献中, 绝大多数迁移方法都需要在两台仪器相同条件下都测量一组迁移标准样品, 但在近红外光谱测量技术中, 由于标准样品具有挥发等特性, 使得构建仪器标定迁移方法的标准样品难以获得和保存。 针对这些问题, 提出了一种联合特征子空间分布对齐(JSDA)的标定迁移方法, 此方法可以在从仪器没有标准样本的情况下建立标定迁移模型。 JSDA首先建立源域和目标域数据特征的联合主成分分析(PCA)子空间; 然后通过对齐映射在联合特征子空间中的源域特征分布和目标域特征分布来校正标定模型; 最后, 应用最小二乘模型构建校正后源域上的标定模型, 该模型可直接用于目标域的标定。 实验结果表明与已有成熟的标定迁移方法相比, JSDA在公开的真实数据集上的预测性能比较有优势, 验证了该模型在实际应用中的有效性和优越性。
近红外光谱 标定迁移 PCA子空间 联合子空间分布对齐 Near infrared spectroscopy Calibration transfer PCA subspace Joint subspace distribution alignment 光谱学与光谱分析
2021, 41(11): 3411
河北科技大学 信息科学与工程学院，河北 石家庄 050000
全球卫星导航系统(GNSS)接收机在高速运动状态下时，干扰来向的快速变化会导致阵列抗干扰算法性能下降，为此，提出一种基于功率估计的抗干扰零陷展宽算法。根据特征值将采样协方差矩阵划分为信号子空间与噪声子空间，通过子空间投影确立信号导向矢量与功率的线性关系；利用线性关系估计干扰功率，并根据零陷展宽需求重新设定干扰区域内的信号功率；最后，以干扰区域内功率的估计值为基础重构干扰加噪声协方差矩阵，求解阵列权矢量。仿真表明，相比其他零陷展宽算法，所提算法在相同展宽下具有更深的零陷，阵列输出信干噪比也有所提升。
子空间估计 协方差矩阵重构 功率估计 零陷展宽 subspace estimation covariance matrix reconstruction power estimation null widening 太赫兹科学与电子信息学报
2021, 19(5): 838
西南科技大学制造科学与工程学院, 四川 绵阳 621010
针对线性加权多核图聚类方法限制了共识核的表达能力和再生核希尔伯特空间中噪声污染的问题, 提出一种鲁棒多核子空间图聚类算法(RSMKL), 旨在增强核的表达能力和提高核空间中噪声的鲁棒性。该算法利用一种新颖的非线性自加权核融合策略来生成最佳的共识核, 同时在核空间利用低秩约束模型来消除噪声对关系图质量的影响。最后, 提出一种基于交替方向乘子的迭代优化算法求解目标函数。与5种同类流行算法在5个常用数据集上比较, 实验结果表明RSMKL在聚类精度(ACC)、标准互信息(NMI)和聚类纯度(Purity)上具有更好的聚类性能。
子空间聚类 谱图聚类 关系图学习 多核学习 低秩约束 subspace clustering spectral graph clustering affinity graph learning multiple kernel learning low-rank representation
太原科技大学计算机科学与技术学院, 山西 太原 030024
类星体是人类所观测到的最遥远天体, 对于了解早期宇宙的演化具有重要科学意义。 由于类星体距离地球较远, 其红移一般较大, 导致在光学观测窗口中只有很少的特征（发射线）, 且难以识别。 类星体光谱的异常特征提取与分析可对未知类星体的识别, 提供有效的判别依据。 离群检测作为数据挖掘领域的一个主要研究内容, 旨在发现那些稀有、 特殊数据对象及异常特征, 可作为从海量类星体光谱数据中, 发现特殊、 未知类星体的一种有效途径和手段。 Spark作为新一代大数据分布式处理框架, 可为海量天体光谱的有效分析和处理, 提供一个高效且可靠的并行编程平台。 本文充分利用集群系统和Spark编程模型的强大数据处理能力, 提出一种基于稀疏子空间的类星体光谱异常特征并行提取与分析方法, 其工作由三个模块组成, 即类星体光谱特征约减、 类星体光谱的稀疏子空间构造和搜索、 类星体光谱异常特征提取并行算法设计与分析。 类星体光谱特征约减模块, 通过属性相关性分析来识别呈现聚类结构的类星体光谱特征线, 这些特征线通常会聚集在稠密区域且对类星体光谱异常特征检测毫无意义。 光谱特征约减旨在运行异常特征检测算法之前剪枝类星体光谱的冗余特征线, 缩小光谱数据检测范围。 类星体光谱的稀疏子空间构造和搜索模块, 通过设定的稀疏系数阈值来测量类星体光谱的子空间密度, 并采用粒子群优化方法作为稀疏子空间的搜索策略, 从而快速、 高效地获取类星体的异常特征。 在第三个模块中, 提出了一种MapReduce框架下的类星体光谱异常数据并行检测算法, 该算法由并行化数据约减策略、 稀疏子空间并行搜索技术两个MapReduce构成, 达到适应海量光谱数据的处理目标。 最后对检测出的部分类星体异常特征进行了理论分析、 测量及人眼证认, 充分说明稀疏子空间可为识别特殊、 未知类星体候选源, 提供有效支持和有力证据。
类星体 稀疏子空间 郭守敬望远镜(LAMOST) 光谱分析 Quasi-stellar object Sparse subspace LAMOST Spectral analysis 光谱学与光谱分析
2021, 41(4): 1086
1 陆军工程大学石家庄校区电子与光学工程系, 河北 石家庄 050003
2 中国人民解放军31681部队, 甘肃 天水 741000
高光谱遥感技术通过成像光谱仪记录带有地物光谱信息的辐射信号, 获得包含光谱信息和空间信息的三维高光谱图像, 在光谱解混、 图像分类、 目标检测等方面取得了广泛的应用。 近年来, 随着遥感技术的发展及人们对获取目标准确位置的需求逐渐加大, 目标检测取得了较快的发展。 根据是否提前掌握目标光谱作为先验信息, 目标检测分为光谱匹配检测和异常检测。 光谱匹配检测需要目标光谱作为先验信息, 通常检测精度较高、 效果较好。 而异常检测不需要先验信息, 应用范围更广, 但是检测精度通常低于光谱匹配检测。 由于实际应用中缺少完备且实用的光谱库, 先验信息的获取较为困难, 不需要先验信息的异常检测成为研究的热点。 针对异常检测与光谱匹配检测相比精度较低的问题, 提出一种基于近似后验信息的高光谱异常检测算法。 首先利用矩阵分解算法对原始高光谱图像数据进行矩阵分解, 得到纯净的背景矩阵与包含噪声的异常矩阵。 舍弃异常矩阵, 将得到的背景矩阵作为近似背景信息。 然后计算图像所有像元光谱向量与背景矩阵中均值向量的马氏距离对图像进行初始异常检测, 得到初始异常像元, 将初始异常像元光谱取均值作为近似目标信息。 最后将近似背景信息与近似目标信息作为先验信息, 进行正交子空间投影得到最终的异常检测算法。 将本算法作用于图像中所有像元, 得到对整幅图像的异常检测结果。 为证明本算法的优良效果, 采用一组仿真数据和一组AVIRIS真实高光谱数据进行实验, 并与RX, LRX和LSMAD算法进行对比。 实验表明, 无论是从定性的角度还是定量的角度来看, 该算法能够有效抑制噪声, 在信噪比较低的情况下仍然可以有效地检测出图像中的异常目标, 检测精度较高并且对检测效率的影响不大, 取得了较好的检测效果。
高光谱遥感 异常检测 矩阵分解 先验信息 正交子空间投影 Hyperspectral remote sensing Anomaly detection Matix decomposition Priori information Orthogonal subspace projection 光谱学与光谱分析
2020, 40(8): 2538
