中国光学期刊网

利用太赫兹时域光谱技术对黄耆类牧草种子样品进行测试，得到5种常见沙打旺牧草种子在0.2~1.2 THz有效频率范围内的太赫兹时域谱，然后通过快速傅里叶变换得到了各牧草种子样品的吸收系数、折射率等光学参数。研究后发现：在有效频率范围内，样品时域谱的峰值强度和延迟时间均不同，且每条谱线的平均吸收系数和标准差也有明显差异，各样品的平均折射率也有较大差异。同时，本文提出了一种将主成分分析（PCA）与随机森林（RF）机器学习算法相结合的优化实验数据的混合模型PCA-RF，并基于太赫兹折射率谱，采用PCA-RF模型和RF模型对5种牧草种子的200个数据集进行了统计计算。结果表明：混合模型PCA-RF的平均分类准确率为91.20%；与RF模型相比，不管是总的平均分类准确率，还是每种样品的分类准确率，PCA-RF模型都优于RF模型。研究结果表明，太赫兹时域光谱技术结合混合机器学习算法的PCA-RF模型是一种无损鉴定牧草种子真伪的有效手段，可用于鉴别同族且差异较小的牧草品种。

以银纳米材料作为活性基底构建的表面增强拉曼散射（SERS）检测系统可以改善拉曼技术对生物活性物质检测时信号弱的缺点。本文对18例滑膜型关节炎病患的关节液样本和15例健康人的关节液样本进行SERS检测,收集SERS光谱数据后采用谱峰归属法、主成分分析（PCA）-线性判别分析（LDA）算法对样本数据进行分析。结果表明：关节炎病患关节液样本中的多糖（477 cm -1）、DNA（722 cm -1）、δ（CH2）（1439 cm -1）、鸟嘌呤（N3）（1576 cm -1）和酰胺I带（1676 cm -1）比健康人的多,而糖原（490 cm -1）、磷脂酰肌醇（596 cm -1）、蛋白酪氨酸（640 cm -1）、葡萄糖（1071 cm -1）和蛋白酰胺吸收（1645 cm -1）比健康人低。PCA-LDA算法对该疾病的诊断特异性和灵敏度分别为83.3%和80%。本研究说明以银纳米材料为活性基底的SERS光谱技术对诊断和分析滑膜型关节炎疾病具有一定的可行性和参考价值。

针对线结构光条纹中心提取的效率和精度影响测量结果的问题,提出一种主成分分析与灰度重心相结合的方法。首先对图像进行高斯卷积并采用阈值分割法初步提取图像中有效的光条纹信息;然后计算光条纹图像的梯度分布和幅值,选取幅值为零的点作为初始点;接着采用主成分分析法得到点的法线方向,沿法线方向在初始点两侧以幅值最大的两点作为边界点;最后采用灰度重心法求出边界内的光条纹中心以确定下一个初始点,通过迭代处理提取光条纹中心。在平均处理时间以及方均根误差方面对所提方法进行验证。实验结果表明,所提方法的平均处理时间约为1.701 s,提取精度比Steger法少0.0500 pixel。

分焦平面(DoFP)偏振探测器在成像过程中会受到噪声的干扰,从而影响解算偏振信息图像的质量和精度。首先,基于图像的非局部自相似性和不同偏振方向图像之间的相关性,利用DoFP偏振图像的空间分布特点对图像进行分块并选取相似的图像块构成相似块矩阵。然后,利用主成分分析(PCA)得到相似块矩阵的特征值矩阵和特征向量矩阵,并根据噪声和相似块矩阵的特征值分布特点,在PCA域中利用降维对图像进行去噪。最后,利用模拟和真实DoFP偏振图像评估本算法的去噪效果。实验结果表明,本算法可以有效抑制图像中的噪声,保留图像的纹理和边缘细节信息,比现有算法的峰值信噪比至少提高了1 dB。

针对身份识别容易被仿冒和造假的问题,提出了一种利用近红外相机捕获手背静脉同时具有活体检测功能的身份识别方法,手背静脉图像提供静脉特征作为身份识别的依据,与此同时获取的脉搏波的周期性特征作为活体检测的标志。利用自行搭建的手背静脉和脉搏波捕获实验装置,研究了70个个体的手背静脉图像以及活体和假体的静脉图像特征,并提出了提高身份识别准确率的算法。采用主成分分析对活体静脉特征向量进行降维,降低分类算法的复杂度,结合马氏距离去除异常样本,以提高识别精度,再采用参数优化的随机森林算法和支持向量机算法实现了手背静脉的精准识别。结果表明:基于手背静脉特征结合随机森林算法和支持向量机算法可以对不同个体进行身份识别,识别准确率分别为99.28%和99.86%,识别时间分别为0.368 s和0.110 s。

稻瘟病是世界公认的水稻重大病害之一。 实现稻瘟病害的早期分级检测, 对水稻病害早期防治及精准用药具有重要意义。 以大田自然发病水稻为研究对象, 采集稻瘟病发病早期染病叶片和健康叶片, 获取所有叶片样本在400~1 000 nm波段内的高光谱图像并提取光谱数据。 水稻在染病之初不会立刻出现病斑, 无法识别采集到的无斑叶片是否染病。 为实现对自然染病叶片早期无病斑状态的识别, 提出取染病叶片贴近病斑的非病斑区域高光谱数据作为染病等级中的1级样本进行检测分析。 按照病斑面积将样本划分为4个等级: 健康叶片为0级(109片)、 染病无病斑为1级(116片)、 病斑面积小于10%为2级(107片)、 病斑面积小于25%为3级(101片)。 运用主成分分析(PCA)和竞争性自适应重加权(CARS)算法进行特征变量选取, CARS提取的特征波段较多, 利用PCA算法对其进一步降维。 分别以全谱数据、 PCA提取的4个、 8个、 CARS选择的21个、 CARS-PCA提取的6个特征变量为输入, 建立水稻稻瘟病早期高光谱支持向量机(SVM)、 PCA4-SVM、 PCA8-SVM、 CARS-SVM和CARS-PCA-SVM检测模型。 结果显示, 所有模型对各级样本的检测准确率均较高, 其中, 对1级样本的检测准确率与其他级别相当, 识别效果较好; 所有模型的样本总体准确率均大于94.6%, CARS-SVM模型的总体准确率最高为97.29%, CARS-PCA-SVM模型为96.61%略低于CARS-SVM模型, 但其输入变量仅为6个, 较CARS-SVM的21个减少71.43%, 模型更为简洁、 更利于提高检测速度。 因此, 综合评价CARS-PCA-SVM模型最优, 各级准确率分别为97.30%, 94.87%, 94.29%和100.00%。 结果表明, 所建模型检测准确度较高, 可以实现对大田自然发病的稻瘟病早期分级检测, 为稻瘟病染病之初无病斑叶片的检测提供新思路, 为水稻稻瘟病早期防治、 精准施药及检测仪器开发提供理论依据。

以金溶胶作为活性基底, 浓度为1%的NaCl溶液作为活性剂, 利用DXRTM显微拉曼光谱仪采集鸡肉的表面增强拉曼光谱(SERS), 实现快速鉴别鸡肉中残留的磺胺二甲基嘧啶(SM-2)和磺胺吡啶(SPD)两种抗生素。 用937和1 188 cm-1处是否有拉曼特征峰来判别鸡肉中是否残留SPD和SM-2。 采用单因素实验方法, 根据937和1 188 cm-1处的特征SERS强度, 对试验条件进行优化, 得到最佳试验条件: 金溶胶加入量为500 μL、 NaCl溶液加入量为100 μL和吸附时间为5 min, 所选用的金溶胶柠檬酸钠加入量3.7 mL。 根据测试集鸡肉中残留的SM-2和SPD的分类精度确定研究用自适应迭代惩罚最小二乘法(air-PLS)、 归一化和二阶导数作为原始拉曼光谱的预处理方法, 然后用主成分分析(PCA)提取特征向量, 最后以前四个PCA得分值作为支持向量机(SVM)分类模型的输入值, 建立基于C-SVC类型的SVM分类模型。 其中, 最优惩罚参数c为0.01、 核参数g为0.1。 此分类模型对测试集的整体分类精度达到93.23%。 对测试集的敏感性和特异性进行计算, 敏感性的范围为77.42%~100%, 特异性的范围为96%~99.02%, 其中, 含SM-2+SPD鸡肉的敏感性最高为100%, 含SPD鸡肉的特异性最高为99.02%。 试验结果表明, 该方法具有良好的鉴别效果, 可用于实现对鸡肉中SM-2和SPD两种抗生素残留的快速检测和鉴别。

针对具有复杂背景的陶瓷瓦表面裂纹检测困难的问题,提出了一种基于主成分分析的陶瓷瓦表面裂纹检测算法。首先,将陶瓷瓦彩色图像转换为红色通道图像进行预处理;然后,采用主成分分析的方法重构陶瓷瓦图像,将预处理图像与重构图像进行差分处理,得到具有裂纹信息的图像;最后,采用二值化和形态学处理,提取裂纹的参数信息。实验表明,该算法可以检测出具有立体形态结构和复杂背景干扰的陶瓷瓦裂纹,相比其他算法检测速度快,准确率高达96%。

当前电子鼻对有毒气体的识别存在数据量少,训练生成的神经网络映射能力差等问题。本文以甲醛和甲醇为目标气体,采用自制的气敏传感器对甲醛和甲醇进行数据采集,并对采集到的数据进行滤波和平滑处理,以提取不同传感器对目标气体的响应值。依据准则函数生成伪随机数,并建立伪随机特征值矩阵以扩大有效数据量。利用主成分分析 (PCA)法对特征值进行降维处理,选择贡献率大的主元成分作为反向传播(BP)神经网络的输入向量,构造PCA-BP神经网络。分别用实测特征值矩阵和伪随机特征值矩阵训练PCA-BP神经网络,通过对比分析两个网络得出,实测特征值矩阵的识别率为92%,而伪随机特征值矩阵的识别率为97%。结果表明,伪随机特征值矩阵能有效提高PCA-BP神经网络的映射能力,提高识别正确率。

针对现有的红外与可见光图像融合算法存在融合图像的对比度与清晰度降低和细节纹理信息丢失等问题,提出将鲁棒主成分分析(RPCA)、压缩感知(CS)和非下采样轮廓波变换(NSCT)相结合的融合算法。首先对两幅源图像分别进行预增强处理,应用RPCA分解得到相应的稀疏分量和低秩分量;然后对稀疏矩阵利用结构随机矩阵压缩采样,利用高斯梯度-信息反差对比度(GG-DCI)压缩融合,经正交匹配追踪法(OMP)重构;接着对低秩矩阵采用NSCT分解成低频子带和高频子带,低频子带选用区域能量-直觉模糊集(RE-IFS)融合,最高频子带利用最大绝对值规则融合,其他高频子带选用自适应高斯区域方差融合;最后将融合后的稀疏分量和低秩分量叠加得到融合图像。实验结果表明,本文算法相比其他算法能够更好地提高融合图像的对比度和清晰度,保留了丰富的细节纹理信息,客观评价指标也总体优于现有算法,有效提升了红外与可见光图像的融合效果。