1 中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室,安徽 合肥 230031
2 合肥学院生物食品与环境学院,安徽 合肥 230601
3 合肥学院先进制造工程学院,安徽 合肥 230601
4 中国科学技术大学环境科学与光电技术学院,安徽 合肥 230026
5 安徽大学物质科学与信息技术研究院,安徽 合肥 230601
静态光散射法能够实现水体悬浮颗粒物粒度分布的快速检测,但测量精度易受背景干扰。传统的样品散射光减背景光方法无法有效消除背景干扰。提出了基于散射光基线的背景干扰消除方法,在样品散射光减去背景干扰的基础上,拟合出散射光强分布基线,进一步消除背景的干扰。120 μm及9.86 μm标准粒径样品的测量结果表明,相较于传统方法,120 μm样品的D10、D50以及D90的测量相对误差分别由56.9%、17.2%、8.1%下降到0.4%、0.8%、2.8%;9.86 μm样品的D10、D50以及D90的测量相对误差分别由17.2%、10.0%、0.1%变到11.6%、3.4%、0.1%。表明基线法能够大幅提升背景干扰的去除效果,提高颗粒物粒度测量的准确性。
测量 背景干扰 悬浮颗粒物 粒度测量 CMOS探测器
1 天津工业大学生命科学学院, 天津 300387
2 天津工业大学电子与信息工程学院, 天津 300387
近红外光谱常被用于含氢有机物质等的物化参数测量, 可以提供丰富的结构和组成信息在复杂溶液的光谱定量分析中更是被广泛应用。 然而在人体血液等复杂溶液的近红外光谱分析中, 强大的背景信息造成的噪声干扰和冗余变量的存在, 严重影响着样品的光谱测量和分析, 影响着分析的效率和准确度。 如何消除背景噪声等的干扰来提高分析准确度已经引起高度重视, 近几年来, 国内外学者提出了许多基于化学计量学方法的相关方法。 从光谱预处理、 变量优化和建模分析三方面, 以传统的化学计量学方法出发, 总结和分析这些方法在人体血液等复杂溶液的近红外光谱定量分析的应用和各自的特点, 为提高光谱定量分析准确度的研究提供参考。
近红外光谱 背景干扰 变量优化 模型 准确度 Near-infrared spectroscopy Background interference Variable optimization Model Accuracy 光谱学与光谱分析
2021, 41(7): 1993
红外与激光工程
2021, 50(4): 20200240
天津大学精密测试技术及仪器国家重点实验室, 天津 300072
近红外无创血糖检测技术的精度目前仍达不到临床应用的需求, 主要的原因为: 一方面人体血糖信号微弱, 并且血液中一些组分的近红外吸收谱带与葡萄糖的吸收谱带存在重叠, 为了从光谱中解析葡萄糖浓度信息, 通常会采用如偏最小二乘(PLS)等多变量回归的方法。 另一方面, 在实际测量中, 必然会存在光源漂移、 测量条件变化等背景干扰, 这些背景干扰对测量造成的影响往往大于血糖浓度变化引起的光谱响应, 因此在建立血糖预测模型之前必须对这些背景干扰进行有效地控制与消除, 否则使用多变量回归方法所建立的血糖预测模型中很可能存在伪相关。 因此为了更好地实现无创血糖检测, 测量系统本身必须具备很高的血糖检测能力, 并且在控制测量条件尽可能稳定的前提下, 采用合适的数据处理方法去除绝大部分的背景干扰。 为此, 对自行研发的无创血糖检测系统的血糖检测能力进行了评估, 证明了本系统能够达到较高的测量精度; 对三名健康的受试者开展了口服糖耐量试验(OGTT)以及口服水耐量试验(OWTT), 对比了本系统在两个不同光源-探测器距离下测得的OGTT与OWTT的光谱数据, 发现在两个光源-探测器距离下OGTT吸光度变化量的方差值都大于OWTT, 但由于受到背景干扰的影响, 三名受试者的吸光度变化量的方差值随波长的分布特点存在较大的差异; 对两个光源-探测器距离下的光谱数据进行差分处理, 对比分析OGTT与OWTT的差分光谱数据, 结果表明OGTT差分吸光度变化量的方差值远大于OWTT, 且三名受试者的差分吸光度变化量的方差值随波长分布特性与葡萄糖溶液的吸收特性基本一致, 证明使用自行研发的无创血糖检测系统配合差分处理方法, 能够有效去除背景干扰, 提取血糖浓度信息。
无创血糖检测 近红外 极限检测精度 背景干扰 差分处理方法 Non-invasive blood glucose detection Near-infrared Limit of detection precision Background interference Differential processing method 光谱学与光谱分析
2020, 40(11): 3438
上海交通大学中英国际低碳学院, 上海 201306
利用Faster RCNN算法实现生活垃圾的高精度识别。选取典型的6种生活垃圾建立数据集,采用数据增强方法提升了数据集目标数量及目标类别、尺度均衡性,分析对比三种具有显著差异的主干网络VGG-16、Res101、MobileNet_v1的精度、速度及泛化性能。采用结合特异层微调的端到端训练策略,对低识别率样本开展增强训练,由此获得了最低为92.85%的均值平均精度(mAP),随后对误识别样本中提取的三种典型错误进行优化,将最高mAP提高到99.23%。此外,设计含816张图片的背景数据集测试算法在多变背景下的泛化性能,发现复杂垃圾背景对检测精度的影响最大,且泛化性能与网络收敛性能趋势一致,即从优到劣排序依次为Res101、 VGG-16、MobileNet_v1。最后,基于可回收垃圾倾向高精度指标及有害垃圾倾向高召回率指标的原则,分析并得到算法最优检测概率阈值的设置方法。
图像处理 目标检测 垃圾识别 数据增强 神经网络训练 背景干扰 激光与光电子学进展
2020, 57(20): 201014
江南大学物联网工程学院模式识别与计算智能国际联合实验室, 江苏 无锡 214122
为提升相关滤波跟踪算法在目标遮挡、背景嘈杂及目标形变等干扰下的跟踪精度,提出一种基于时序一致和空间剪裁的多特征相关滤波跟踪算法。在训练阶段利用二值矩阵掩模对滤波器模板的能量分布进行裁剪,使模板信息更加集中于目标区域,从而缓解循环样本造成的边界效应;利用l2范数作为时序一致模型对相邻帧的滤波器建立平滑性约束,使滤波器模板学习到相邻帧目标的上下文信息,增加算法的抗干扰能力;为进一步提升目标模板的表达能力,将包含丰富语义信息的ResNet50深度特征引入到跟踪框架中,通过主成分分析法对提取到的深度特征进行降维,采用传统特征结合深度特征的方式提升跟踪结果的精确度和稳健性。将本文算法与5种算法进行对比实验,验证了本文算法在处理目标遮挡、背景嘈杂及目标形变等干扰时的稳健性。
机器视觉 相关滤波器 时空一致模型 二值矩阵掩模 边界效应 背景干扰 激光与光电子学进展
2019, 56(22): 221502
1 赤峰学院计算机与信息工程学院,内蒙古 赤峰 024000
2 白求恩医务士官学校,石家庄 050081
图像目标主要的两个特征是颜色特征和形状特征,为提高跟踪的准确性和鲁棒性,提出融合图像目标颜色和形状的多特征融合跟踪新方法。采用基于HSV空间的空间颜色概率直方图模型,以及灰度变换后的Hu不变矩模型,分别进行实时目标跟踪,然后采用自适应加权方法,完成图像目标最终跟踪位置的确定。经实验测试,该方法对图像目标受到复杂背景干扰,以及颜色变化、尺度变换以及亮度变化等情况都具有很强的鲁棒性,同时增强跟踪效果,提高了跟踪的有效率。
运动目标跟踪 图像跟踪 特征融合 颜色直方图模型 Hu不变矩 相似性度量 背景干扰 moving target tracking image tracking feature fusion color histogram model Hu invariant moment similarity measurement background interference
中国石油大学(华东) 信息与控制工程学院, 山东 青岛 266580
基于可调谐二极管激光吸收光谱技术的光谱分析仪测量天然气中硫化氢浓度的过程中, 各种轻烃和二氧化碳等背景成分对光谱产生干扰, 导致多个吸收峰叠加, 对提取吸收光谱真实特征造成影响.应用偏最小二乘法消除背景成分的干扰, 设计了检测天然气中硫化氢气体的可调谐二极管激光吸收光谱实验系统, 采用偏最小二乘法和最小二乘法模型, 分别检测了天然气中0~50 ppm硫化氢成分的直测光谱和差分光谱.偏最小二乘法算法的测量结果均优于最小二乘法算法, 且偏最小二乘法算法对于直测谱的测量误差保持在±1 ppm范围内, 满足分析仪器2%的准确度要求.利用偏最小二乘法算法避免了最小二乘法所必须的大量参考光谱数据的存储, 分析仪可省掉复杂的差分光谱系统, 从而达到降低成本、提高系统鲁棒性和实时性的效果.
可调谐二极管激光吸收光谱 背景干扰 最小二乘法 偏最小二乘法 TDLAS Background interference Least square method Partial least square method
1 昆明物理研究所,云南昆明 650223
2 微光夜视技术重点实验室,陕西西安 710065
3 陆军重庆军代局驻昆明地区军代室,云南昆明 650223
在基于图像处理的自动聚焦评价函数研究中发现,失效的评价函数曲线往往具有相似的形状,且与图像的均值曲线呈现相同的变化趋势。本文从评价函数数学原理角度分析了问题的原因,讨论了离焦模糊下图像能量波动对评价函数性能的影响及其处理方法。
自动聚焦 清晰度评价函数 背景干扰 auto focus sharpness evaluation function background influence
1 图像测量与视觉导航湖南省重点实验室, 湖南 长沙 410073
2 国防科学技术大学航天与材料工程学院, 湖南 长沙 410073
3 国防科技大学科研部重点项目处, 湖南 长沙 410073
分析了复杂地面背景下序列图像检测弱小目标的困难, 研究了一种针对场景较复杂的运动弱小目标检测方法。首先将序列图像分割成等间隔的处理单元, 并利用最小二乘匹配进行坐标对齐, 然后使用Top-Hat算子处理图像并进行CFAR分割, 综合考虑处理单元中的每幅图像, 对固定背景干扰进行抑制, 最后根据运动弱小目标轨迹进行检测。进行了三组序列图像实验并绘制了ROC曲线, 证明该方法是一种有效的弱小运动目标检测方法。
复杂地面背景 运动弱小目标检测 最小二乘匹配 固定背景干扰抑制 Radon变换 complicated surface background small target detection LS match Top-Hat Top-Hat constant background noise suppress Radon transform