1 光纤传感与光电检测重庆市重点实验室，重庆 400054
2 智能光纤感知技术重庆市高校工程研究中心，重庆 400054
3 重庆理工大学电气与电子工程学院，重庆 400054
采用近红外光谱进行检测时，光谱波段包含了大量的噪声和散射，这些都影响了模型的稳定性。基于竞争性自适应重加权算法（CARS）和互信息算法（MI）的特征波长筛选方法来建立偏最小二乘（PLS）回归模型，探测苹果内部的可溶性固形物含量（SSC）。通过光谱仪获取800~2400 nm的120个样本的漫反射光谱数据，经过预处理之后的数据通过Kennard-Stone（KS）算法随机选取96个作为校正集，24个作为预测集，然后分别建立全波段PLS模型、CARS-PLS模型和MI-PLS模型来对比分析。结果显示：利用全波段建立PLS模型，模型的决定系数R2为0.8511，模型均方根误差（RMSEC）以及预测均方根误差（RMSEP）分别为0.9413和1.1915；CARS算法筛选的特征波长点变量从303减少到了12，下降了96.03%，建立的PLS模型决定系数R2为0.8746，上升了2.76%，RMSEC和RMSEP分别为0.864和0.9757；MI-PLS模型包含了56个特征波长点，选用的波长占全波长的18.49%，R2、RMSEC和RMSEP分别为0.9218、0.6822和0.8235，MI-PLS与CARS-PLS相比特征波长数增长了64.55%，决定系数R2提高了0.0472。因此CARS和MI算法都能很好地解决光谱数据本身的噪声、散射等问题，可以有效用于特征波段筛选，所建立的模型可以对苹果内部SSC含量进行测定。
光谱学 互信息 竞争性自适应重加权算法 近红外光谱 可溶性固形物 激光与光电子学进展
2023, 60(17): 1730003
1 重庆理工大学光纤传感与光电检测重庆市重点实验室, 重庆 400054
2 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
水质污染源的及时精确定位和精细化的污染防治措施是打赢水污染防治攻坚战的迫切需求, 为解决地表水实际水样高锰酸盐指数准确分类的实际问题, 以光谱降噪和光谱有效信息提取为切入点, 根据紫外-可见光谱数据的特点, 提出使用一维卷积神经网络处理紫外-可见光谱数据。 为验证检测一维卷积神经网络对地表水光谱信号分类的可行性, 选取长江的某段流域作为取样点。 采集当天的长江上游水、 某河水、 嘉陵江水, 生活污水、 500 mg·L-1邻苯二甲酸氢钾溶液来模拟污染水源。 将几种水样按不同的配比来模拟当天该流域的水污染变化情况。 采集现有的单一水样及混合配比水样的光谱数据, 根据各类水样的特征光谱信息进行区分, 实现地表水高锰酸盐指数的预测分类, 快速确定异常水样的污染来源, 通过仿真实验, 优化模型参数并完成优化训练。 与K最邻近法、 支持向量机等传统分类方法相比, 该算法在光谱预处理复杂度和定性分析准确度方面有较大优势, 在没有复杂的数据预处理前提下, 将获取的350条光谱数据建立水质分类模型, 随机选择其中245条数据作为训练集, 另105条数据作为测试集, 模型的混淆矩阵分类精度达99.0%。 不仅简化了整个光谱分析流程, 而且能保留更多的有效光谱信息, 减小人为预处理对紫外-可见光谱数据的影响, 实现地表水高锰酸盐指数的准确分类。 实验结果表明该方法可对不同水体水样进行准确分类, 快速定位污染源, 为无法激发荧光的污染物溯源提供了科学依据, 为与三维荧光技术辅助配合快速精确定位地表水污染源提供了可能, 同时表明了深度学习在紫外-可见光谱法测量实际水样领域有着巨大的应用潜力和研究价值。
水质 紫外-可见光谱 一维卷积神经网络 分类 Water quality UV-Vis spectrum One-dimensional convolution neural network Classification
1 重庆理工大学光纤传感与光电检测重庆市重点实验室，重庆 400054
2 重庆理工大学理学院，重庆 400054
X射线荧光CT（XFCT）作为一种分子成像模式，存在着扫描时间长、辐射剂量大的问题，通常通过增大投影间隔、减少投影数量的稀疏投影方式来降低扫描时间与辐射剂量。因此，为在较少投影数量和较少迭代次数下提高重建图像质量，提出一种基于L1/2范数的XFCT重建算法。数值模拟实验结果表明：在较少投影数量和较少迭代次数下，所提基于L1/2范数的XFCT重建算法与传统Maximum Likelihood Expectation Maximization算法相比，其重建图像的均方根误差更小，全局图像质量索引更接近1，达到在较少投影数量和较少迭代次数下提高重建图像质量的目的。
图像处理 X射线荧光CT 图像重建 数值模拟 稀疏投影 L1/2范数 激光与光电子学进展
2023, 60(6): 0610010
1 重庆理工大学光纤传感与光电检测重庆市重点实验室，重庆 400054
2 重庆大学微电子与通信工程学院，重庆 400044
3 重庆市铜梁区环境保护局，重庆 402560
提出了一种基于MobileNetV2和VGG11组分拟合（CF-VGG11）卷积神经网络（CNN）与平行因子分析（PARAFAC）结合的水样分类和荧光组分拟合方法，通过输入单个三维荧光光谱（3D-EEM）数据来预测水样类别、溶解性有机物（DOM）质量浓度等级和荧光组分。算法以PARAFAC结果为基础建立荧光光谱数据集，分两步完成类别与组分的预测：第一步使用MobileNetV2算法对不同水样进行类别预测和DOM质量浓度分级；第二步使用CF-VGG11网络拟合荧光组分。采集地表水、工业废水处理水、污水处理厂进出口水和乡村饮用水4种类型的水样构建数据集，获得了95.83%的分类精度和98.11%的组分拟合精度。实验结果表明，所提方法可对不同水样和DOM质量浓度等级进行准确分类，拟合特定荧光组分，精确定位污染源，并能进行超标预警。
光谱学 三维荧光光谱 水污染 分类 卷积神经网络
1 重庆理工大学, 重庆市光纤传感与光电检测重点实验室, 重庆 400054
2 重庆中国三峡博物馆, 馆藏文物有害生物控制研究国家文物局重点科研基地, 重庆 400015
3 重庆第二师范学院, 重庆 400065
受保存条件影响, 很多纸质文物表面会形成狐斑(foxing), 如果不能进行有效监测和科学判断, 会进而影响纸质文物安全。 纸质文物狐斑病害检测存在滞后性、 主观性等问题, 对于书画藏品被墨色、 颜料及印章等覆盖的区域更是难以通过肉眼进行识别, 因此, 基于文物的预防性保护理念, 亟待开发对于狐斑高效、 精确识别的无损检测技术。 可见光-近红外高光谱图像结合了光谱和图像, 包含丰富的空间信息与光谱信息, 可以实现无损批量地平面采集样本光谱信息。 该研究提出一种基于高光谱成像技术检测纸质文物狐斑的快速识别方法, 获取模拟纸质文物在360~970 nm的高光谱图像, 因360~450 nm受噪声影响过大, 所以选择剔除这部分光谱数据; 选取感兴趣区域并获取相应的平均光谱反射率, 比较健康区域与被狐斑感染区域, 发现两者的光谱曲线存在差异; 在450~600 nm附近, 受狐斑影响区域比健康区域的光谱反射率偏高, 并在600 nm附近出现波峰形态; 而在600~900 nm范围内, 被感染区域与健康区域的光谱都趋于平稳, 两者之间差异逐渐减小。 选取从特征波长对应的图像中提取的特征信息建立图像识别模型, 运用波段运算观察狐斑图像特征, 狐斑的大小和分布情况都能清晰地显示, 但与印章和墨迹重叠部分, 狐斑被印章和墨迹遮盖, 难以识别; 利用最小噪声分离, 虽然不同部分有重叠, 但能发现仅凭肉眼难以识别的隐藏的狐斑; 180条高光谱数据(450~970 nm)建立狐斑判别模型, 随机地分为120条数据为训练集, 60条数据为测试集, 应用K-近邻法与BP神经网络建立纸质文物狐斑光谱判别模型, 总体上两种方法对狐斑判别率分别达到73.3%和85%; BP神经网络相较于K-近邻模型, 总体判别率更高, 识别效果也更好。 结果表明, 利用高光谱成像可高效准确识别纸质文物狐斑, 为后续研究狐斑分布发展提供可靠的技术手段, 也为博物馆馆藏文物的保存提供指导意见。
纸质文物 狐斑 高光谱图像 光谱 机器学习分类 Paper cultural relics Foxing Hyperspectral images Spectrum Machine learning classification 光谱学与光谱分析
2022, 42(5): 1567
重庆理工大学光纤传感与光电检测重庆市重点实验室, 重庆 400054
提出一种多场景优化的光谱分类建模解算方法:首先,通过颗粒物Mie散射仿真分析,构建幂函数修正方程,以直接拟合法对样本光谱进行精确浊度校正;然后,利用吸光度归一化法获取不同场景的线性特征光谱,形成场景特征库;使用偏最小二乘法(PLS)为每个场景建立解算模型,形成化学需氧量(COD)解算模型库。对未知水样本进行COD检测时,先通过杰卡德(Jaccard)相似性理论将其归一化光谱与场景库线性特征谱进行匹配,识别其归属场景, 再获取解算库中的最优解算参数来计算COD浓度。实验结果表明,所提方法可获得较高的场景匹配精度,有效降低多场景条件下的COD解算误差,具备良好的实用价值。
光谱学 直接光谱法 多场景优化 浊度校正 COD解算 光学学报
2021, 41(22): 2230001
1 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
2 重庆大学工业CT无损检测教育部工程研究中心, 重庆 400044
传统CT采用积分式探测器采集投影数据, 反映的是物体的平均衰减特性, 会在一定程度上造成信息损失, 无法对物体进行较好的定性定量测量。 基于光子计数探测器的能谱CT通过设定多个能量响应阈值能够探测不同能量范围内的X射线光子, 采集更多被测物体的物质组成信息, 有助于识别不同物理特性的材料, 基于此, 能谱CT被广泛的应用于小病灶、 低对比度结构以及微细结构的成像。 然而将整个能谱划分为多个能量段进行数据采集时, 范围较窄能量范围内的有效光子数比例相对降低, 导致图像中包含较多的噪声, 图像质量较差, 影响能谱CT的临床应用。 为了有效的抑制能谱CT不同能量段内重建图像中的噪声, 提出了一种基于深度学习的能谱CT图像降噪方法。 我们将全卷积网络和金字塔残差网络结合为全卷积金字塔残差网络(FCPRN), 实验中, 利用能谱CT在不同的能量范围扫描小鼠样本, 使用FDK算法和基于压缩感知的Split-Bregman算法进行重建并分别作为训练数据和标签数据训练全卷积金字塔残差网络。 为了验证网络的降噪性能, 选取了常见的降噪网络模型denoising convolutional neural networks(DNCN)以及residual encoder decoder convolutional neural network (REDCNN)进行对比, 训练三种网络的使用的数据和实验配置都是完全相同的, 实验结果表明训练模型可以有效抑制不同能量范围内重建图像的噪声, 且使用的全卷积金字塔残差网络的降噪性能优于其他网络模型。 模型训练好后, 可以对FDK算法重建出的图像进行降噪, 由此提高能谱CT图像降噪效率, 保证能谱CT重建图像的质量。
能谱CT 图像降噪 深度学习 光子计数探测器 Spectral CT Image Denoising Deep learning Photon-counting detector 光谱学与光谱分析
2021, 41(9): 2950
1 重庆理工大学光纤传感与光电检测重庆市重点实验室, 重庆 400054
2 重庆理工大学理学院, 重庆 400054
基于X射线管的X射线荧光计算机断层扫描术(CT)受多种因素影响,成像质量不佳,几何参数误差是制约其高质量图像重建的重要因素之一。本文分析成像二维平面模体与探测器相对位置偏移对投影数据的影响,并基于原始投影数据和原始重建图像再投影数据的局部线性关系实现几何偏移参数校正;利用Geant4模拟存在偏移参数的扇束X射线荧光CT系统,使用模拟投影数据验证校正方法。研究结果表明:该方法能计算出相对精确的几何偏移量,有效消除几何参数误差对重建图像的影响,校正后的重建图像信息熵降低,平均梯度和标准差提高,图像质量提升。
成像系统 X射线荧光计算机断层扫描术 几何校正 局部线性关系 蒙特卡罗模拟 光学学报
2021, 41(20): 2011002
重庆大学光电技术及系统教育部重点实验室, 重庆 400044
针对传统双目视觉定位系统立体匹配困难、计算量大、效率低的问题，设计了一种基于靶标区域(ROI)提取的双目定位系统，以改善定位精度。首先，利用张氏标定法标定双目摄像机，并通过Bouguet算法对整个系统进行立体校正；然后利用直方图阈值法和投影法分割图像中的ROI，以大幅降低后续特征匹配的计算量；最后采用加速稳健特征算法对左右摄像机图片进行亚像素级角点的提取与匹配，并结合标定结果获得精确的定位。实验结果表明，ROI内特征点的匹配准确度可以达到90%以上，系统的定位时间在700 ms以内，可以满足系统实时性的要求。该方法主要针对ROI进行特征点提取和匹配，避免了不必要的全局图像处理，从而将匹配速度从秒级缩短至毫秒级。
成像系统 投影法 图像分割 加速稳健特征算法 特征点匹配 激光与光电子学进展
2018, 55(5): 051102
