基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果。为了提高近红外光谱分析精度,需要对光谱数据进行预处理。光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强。应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线性小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究。结果显示, 小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景。     

基于方向角预测三维小波变换的干涉多光谱图像压缩

根据大孔径静态干涉多光谱图像的成像特点,提出一种基于方向角预测的三维小波变换.这种三维小波变换的新颖之处在于它将方向预测结合到三维提升小波中.这样每次提升小波中的预测可在相关性最强的方向上进行而不需总是局限在变换的方向上.实验证明,对于干涉多光谱图像这种方向性很强的立体图像序列,基于方向角预测的三维小波变换比原始三维提升小波变换有明显改进,在相同的量化编码下,基于方向角预测的三维小波变换比原始三维提升小波变换提高1 dB左右.经该种方法压缩的图像的光谱特性也得到明显改善.     

基于小波变换的藻类显微光谱成像分类技术

通过显微成像光谱技术对淡水藻类进行成像光谱的测量,并试图同时从形貌和化学成分两个方面给出藻类识别的综合方法。首先利用显微图像技术对单个藻种进行观察测量,进行形貌学分类,再通过成像光谱仪获得藻类的吸收光谱立方体,然后利用小波变换对光谱进行处理,得到区分形貌相近的不同藻类的光谱特征参数,在化学成分上将其区分。本方法对准确进行藻类识别具有重要的指导意义。     

基于小波的干涉多光谱卫星图像压缩方法

分析了干涉多光谱卫星遥感图像的成像特性,并根据该类图像对压缩效果的要求提出了一种基于小波分层树集合分割排序（Set Partitioning Hierarchical Trees,SPIHT）的局部图像优先编码方法,通过对图像小波域系数的局部增强,获得了对图像重要数据优先编码的特性,在8倍压缩比的条件下获得了满意的效果。用该方法对多幅干涉多光谱图像进行了测试,测试结果表明：该方法性能优于其他多光 谱卫星遥感图像编码方法,并有利于在实时图像编码系统中得到应用。     

有冰海区油膜光谱特征研究

近些年有冰海区石油的勘探、开发以及运输频度逐年上升,这增加了冰区溢油发生的风险。试验通过测量海水、碎冰、整冰等不同背景条件下轻柴油和原油油膜的可见光-近红外光谱反射率曲线,并与洁净的海水、碎冰和平整冰光谱曲线进行比较,得到能够有效识别冰区溢油的波段。测量结果表明：同一油种在不同背景下油膜的光谱反射率曲线有所差异,同一油种同一背景下由于分布形态不同光谱反射率曲线也有所差异。但同一油种的油膜仍呈现出许多区别于背景的共同特征：以海水、碎冰或整冰为背景的轻柴油油膜的光谱反射率曲线呈现“先低后高”、部分“相伴而行”的特点;海水、碎冰和整冰中原油油膜的光谱反射率曲线在750～770 nm区间出现楔状反射峰的典型特点。根据以上特点可以将溢油污染海水/海冰与洁净海水/海冰很好的区分开来,从而为遥感监测冰区溢油时的波段选择和溢油识别提供参考和依据。     

近红外漫反射光谱的小波变换的去噪方法

以测定的紫丁香醛近红外漫反射光谱信号为标准,随机加入了一噪音信号,采用Daubechies小波系中的DB5小波函数,以4种阈值选取方法(最小最大准则阈值、Stein无偏似然估计阈值、混合阈值和固定阈值)和2种阈值函数(软阈值函数和硬阈值函数)组合对含噪音的光谱信号进行了小波去噪处理试验,以均差MSE评价组合各种阈值选取及阈值函数方法的去噪优劣。结果表明,对于该类型的光谱信号,采用最小最大阈值和软阈值函数组合,得到最优的去噪效果。     

基于高光谱影像的干旱区草地光谱特征分析

基于石羊河流域金昌地区Hyperion高光谱影像,通过FLAASH大气校正,利用纯像元指数法提取草地波谱信息,并运用光谱一阶微分法和连续统去除法进行定量化处理。结果表明,相对于生长旺盛期的草地光谱特征,衰退期草地光谱红边左移,斜率降低,蓝边、黄边特征减弱,可见光波段反射值较高,近红外波段反射率较低;不同覆盖度草地的红边、绿峰、蓝光和红光吸收谷位置保持一致,可见光波段的光谱吸收特征(波段深度、宽度、面积、对称性)随覆盖度的增大呈有规律的变化,可作为提取或判定植被覆盖度的依据。     

基于聚类和小波变换的多光谱图像压缩算法

针对多光谱图像压缩算法现存的时空复杂度高、光谱特性利用不充分等问题,研究了多光谱图像的谱间稀疏等价表示及其聚类实现途径,进而设计了一种基于谱间自适应聚类和小波变换的多光谱图像压缩算法。算法利用吸引力传播聚类产生多光谱图像的谱间稀疏等价表示、在低复杂度下去除图像的谱间冗余,使用二维小波变换去除稀疏表示成分的空间冗余,采用分层树集合分割排序算法(SPIHT)进行压缩编码,并通过误差补偿机制提高多光谱图像重建质量。实验表明,该算法在保证较低时间和空间复杂度的基础上,较SPIHT等同类经典压缩算法,在相同的压缩比下,明显提高了重建图像的峰值信噪比,是一种通用有效的多光谱图像压缩算法。     

基于1+2维小波变换的多光谱图像压缩

提出利用1+2维小波变换技术对多光谱遥感图像进行近无损压缩.使用嵌入式块截断算法压缩谱内图像;谱间变换使用短滤波器进行1维小波变换,去除多光谱图像的谱间冗余.实验证明,加入谱间的1维变换比不加入变换,而仅仅对每个波段图像进行压缩的压缩比提高20%.整个算法是嵌入式的,复杂度适中.编码的比特流具有渐进式特性,可以过渡为高压缩比的有损压缩.     

基于小波包变换的叶片高光谱数据的树种分类

非成像高光谱数据的特点为树种的精细识别提供了可能.非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能.该文利用光谱相关匹配(Spectral correlation matching,SCM)方法来对树种进行识别分类,分别采用均值平滑法、中值平滑法、小波包变换对高光谱数据进行预处理及识别分类研究.结果表明,经过数据平滑预处理,可以有效地去除噪声,提高叶片高光谱数据的树种分类的精度.小波分析能有效的去除光谱中的噪声信息,保留光谱中的有效信息.在小波包变换的基础上,经过中值滤波数据预处理之后的分类精度高于均值滤波数据预处理后的分类精度.     

基于光谱反射率数据的水面油种鉴别研究

为探讨一种快速、及时对水上油膜种类进行鉴别的方法,采用水上油膜反射率光谱数据结合聚类分析方法、主成分分析方法和小波变换分别对厚度为300,500和1 000 μm的煤油,300,1 000和1 500 μm的润滑油,50,300和500 μm的轻柴油和500,2 000 μm的180#柴油等四种常见溢油油种进行判别研究。聚类分析结果表明：采用欧氏距离计算样本间的聚类距离,在距离L=8.976以上能够将样本正确分类,准确率100%;对同一油种油膜而言,油膜厚度接近的更易聚类;主成分分析结果表明：对原始数据、小波概要系数和小波细节系数分别进行主成分分析,其中小波细节系数对油种区分效果最佳,四种油膜样品在主成分得分空间中独立分布。利用反射率光谱数据结合聚类分析和基于小波细节系数的主成分分析对水上油膜种类的鉴别是可行的。     

基于小波变换和支持向量机的光谱多组分分析

以符合朗伯—比尔定律的光谱信号为研究对象，在运用小波变换对光谱信号进行去除噪声处理的基础上，建立了基于支持向量机的多组分分析模型，最后采用计算机模拟的方式对该方法进行了举例说明.实例表明，该方法能较好地解决非线性、小样本条件下的多组分分析问题.     

小波变换去噪用于食用油脂酸价近红外光谱分析

以三级大豆油脂酸价检测为研究对象,采用db4小波对36个油脂样品的近红外光谱进行预处理,选择出最佳的小波分解层数及阈值选取方式,并对原始光谱和经小波去噪后的光谱利用偏最小二乘回归建模,以决定系数、交互验证误差均方根和相对误差均值3个统计量来评价回归模型性能.结果表明原始光谱决定系数0.8668、交互验证误差均方根0.0...     

基于小波变换的多组分药物计算光度分析法

本文将小波变换与主成分回归法相结合，提出一种新的多组分药物计算光度分析方法。通过有效去除原始数据中所含的噪声，提高了多组分光度分析计算的准确性和稳定性。将其用于氯霉素、醋酸地塞米松以及尼泊金乙酯药物体系分析，与主成分回归法相比，分析计算结果总平均相对误差由１．４８％下降到０．４６％。     

小波分析及其在光谱分析中的应用

近年来,一种被称为小波变换的数学理论和方法成为众多学科关注的焦点,在分析化学领域中,小波分析也逐渐应用于去噪与平滑,数据压缩等方面,本文介绍了小波分析理论并对其光谱分析中的应用进行了综述。     

基于小波包分析的光谱识别方法研究

光谱信号的自动识别技术是光谱分析技术中的重要组成部分, 是指运用模式识别方法,借助计算机技术,对相同测定条件下的光谱信号进行比较,根据信号之间的相似程度,从而得出两者之间化学组成关系的技术,主要应用于光谱的定性分析,也可用于光谱的验证。文章以符合朗伯-比尔定律的光谱信号为研究对象,简单介绍了光谱识别技术的基本原理和方法,随后为简化识别难度,进行了光谱信号的归一化处理,再在概述小波分析基本原理的基础上,提出了采用小波包分析的技术对光谱信号进行相关特征提取的方法,并根据统计学知识,得出了计算标准特征向量和允许误差向量的公式,然后运用二叉树分级判别的方法,实现了光谱信号的快速识别,最后举例对该方法进行了说明。     

海面甚薄油膜光谱响应研究与分析

海面甚薄油膜存在着特定的光谱响应,文章通过模拟海面甚薄油膜随其厚度的变化过程,研究其高光谱响应特征与产生机理.甚薄油膜随着厚度从大到小的逐渐变化,表现为六种目视特征:彩虹亮油膜、品色亮油膜、黄绿亮油膜、浅绿亮油膜、银色亮油膜与几乎不可见油膜.分析六种状态下海面甚薄油膜的光谱反射率表明:350～540 nm甚薄油膜的反射差异明显,甚至可以影响到440 nm处叶绿素的吸收峰;350～900 nm范围内,甚薄油膜的反射光谱普遍高于海水的反射光谱,但540～900 nm范围内缺乏明显的吸收反射特征;在近红外920～2 500 nm范围内没有明显的光谱响应.结合海面甚薄油膜光谱响应特征分析,指出海面甚薄油膜存在平行多光束干涉现象,入射到薄膜内的光由于多次反射和折射导致了海面可见光/近红外光谱反射率的增加,为海面甚薄油膜遥感探测提供了理论依据.     

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响,测定的光谱数据含有大量噪声这一实际问题,提出了基于小波变换的压缩感知去噪算法,并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理,采用压缩感知去噪算法,将信号在小波域内分解,得到含噪高频系数;采用随机高斯矩阵作为压缩感知算法的观测矩阵,压缩比设置为2,对高频系数进行观测;选择正交匹配追踪算法恢复高频小波系数的稀疏性,从而达到去噪目的。同时针对传统的小波阈值去噪,采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性,采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理,实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统,该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪,且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比,信噪比提高了12.201 5 dB,均方根误差减小了0.009 3,峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题,而且在重构过程中有效地抑制了噪声,为直接光谱法检测水质参数提供了一种新的解决方案。     

小波变换与神经网络融合法在油页岩近红外光谱分析中的应用

便携式近红外光谱分析技术可实现油页岩含油率的原位检测,在油页岩资源现场勘查中发挥着重要作用。但是,由于其测得的原始光谱数据量大、冗余信息多,直接建模会影响速度与精度。因此提出一种小波变换与神经网络融合法,先将油页岩全谱数据进行db8小波3级分解,提取其近似系数形成输入矩阵,然后再进行神经网络建模。为了验证有效性,利用30个油页岩合成样品,从中随机选择20个用于训练,另外10个用于预测,并分别使用全谱数据与小波特征数据进行了10次神经网络建模。结果表明,全谱数据建模速度均值为570.33 s,预测残差平方和及相关系数均值分别为0.006 012及0.843 75;而小波神经网络法对应的以上均值为3.15 s, 0.002 048及0.953 19。由此说明小波神经网络法优于全谱数据建模法,为油页岩含油率的快速、高精度检测提供了一种新方法。