基于TDLAS技术的天然气中痕量硫化氢分析的PLS算法应用

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0~50ppm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±1ppm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.     

基于小波核偏最小二乘回归方法的混沌系统建模研究

基于核学习的强大非线性映射能力,结合用于回归建模的线性偏最小二乘(PLS)算法,提出一种小波核偏最小二乘(WKPLS)回归方法. 该方法基于支持向量机使用的经典核函数技巧,将输入映射到高维非线性的特征空间,在特征空间中,构造线性的PLS回归模型. PLS方法利用输入与输出变量之间的协方差信息提取潜在特征,而可允许的小波核函数具有近似正交以及适用于信号局部分析的特性. 因此,结合它们优点的WKPLS方法显示了更好的非线性建模性能. 将WKPLS方法应用在非线性混沌动力系统建模上,并与基于高斯核的核偏最小二乘 关键词： 小波核 偏最小二乘回归 混沌系统 建模     

基于ZedBoard的超分辨率视频复原系统

为了实现超分辨率视频图像的实时复原,设计了以ZedBoard可编程片上系统为基础的超分辨率视频复原系统。系统包括基于V4L2(Video for Linux 2)的USB摄像头视频采集、基于小波变换的超分辨率复原算法处理和基于Qt的图形用户界面制作以及视频输出。采用双线性、双立方和小波变换算法分别对Lena图像进行复原处理,峰值信噪比PSNR值分别为29.516、29.843、31.368。实验结果表明,提出的基于小波的超分辨率复原算法优于传统的插值算法,基于ZedBoard的超分辨视频复原系统复原效果良好。     

Fourier变换光谱学的一种光谱分辨率增强方法

本文提出了一种基于特征值分析与线性拟合 (EALF)的超分辨率谱估计方法。其实质是在光谱的Fourier变换域内进行信号处理 ,以使复原谱的分辨率突破仪器函数的限制。EALF由总体最小二乘参数估计、特征值分析频率估计和最小二乘拟合振幅估计三个步骤来实现。本文将介绍EALF谱估计的原理 ,通过仿真实验验证原理的正确性 ,讨论关键技术 ,并总结EALF相对于其他Fourier变换光谱分辨率增强技术的主要优点。     

基于近红外光谱和稀疏偏最小二乘回归的生物质工业分析

林木生物质能源作为一种新型可再生能源,具有非常广阔的发展前景。基于近红外光谱技术,首次引入稀疏偏最小二乘回归建立木屑生物质的工业分析模型,用于生物质燃料特性的快速分析测定。工业分析总共测定了80种木屑的水分、灰分、挥发分和固定碳含量百分比;按照样品种类和产地将其划分为训练集和测试集,利用近红外光谱仪采集光谱数据并进行小波滤波处理;再利用稀疏偏最小二乘回归建立木屑生物质的定量分析模型,并与主成分回归、偏最小二乘回归、最小绝对收敛及变量筛选方法的建模效果进行比较。结果证明,相对于以上三种建模方法,稀疏偏最小二乘回归能够挑选出有重要影响的波长群组,降低非目标波段的噪声干扰,从而增强数学模型的解释能力并提高定量分析的准确度。利用稀疏偏最小二乘回归算法挑选的波长区间基本覆盖了工业分析中水分的吸收峰,而对于灰分、挥发分和固定碳的吸收峰波段尚无准确定位,需要继续探讨。总体而言,稀疏偏最小二乘回归能够减少无关信息的干扰,提高模型定量分析的准确度,增强模型的解释能力,将会在近红外光谱技术应用领域内起到重要作用。     

葡萄糖溶液近红外光谱分析中两种常用化学计量学方法的比较

采用主成分回归和偏最小二乘法分别对葡萄糖溶液近红外光谱分析 ,建立数学校正模型。主成分回归模型的相关系数为 0 .9780 ,偏最小二乘法模型相关系数为 0 .9986。对两种方法进行比较 ,确定对葡萄糖溶液近红外光谱分析的方法。     

应用近红外高光谱成像技术预测甘蔗可溶性固形物含量

为了探究应用近红外高光谱成像技术对甘蔗内部可溶性固形物（SSC）预测的可行性,试验样本选择三种不同品种中的240个甘蔗节作为研究对象。通过高光谱成像系统获取甘蔗节的近红外光谱信息和图像信息,并分别探讨了光谱信息和图像纹理信息对甘蔗可溶性固形物预测的可行性。采用最小二乘回归（PLSR）,最小二乘支持向量机（LS-SVM）及主成分回归（PCR）建模方法构建甘蔗可溶性固形物的预测模型。比较了连续投影算法（SPA）、无信息变量消除算法（UVE）及区间偏最小二乘（iPLS）特征提取方法对预测结果的影响。实验结果表明：基于甘蔗的光谱信息能实现可溶性固形物的预测,其中偏最小二乘回归模型的建模集和预测集的相关系数分别为0.879和0.843,均方根误差分别为0.644和0.742。通过UVE算法提取105个有效波长所建立的PLSR模型的建模集及预测集相关系数分别为0.860和0.813,均方根误差分别为0.693和0.810。     

苹果可溶性固形物近红外光谱检测的偏最小二乘回归变量筛选研究

为了提高苹果可溶性固形物含量近红外光谱校正模型的预测能力和稳健性,分别采用反向区间偏最小二乘法、遗传算法和连续投影算法,筛选苹果可溶性固形物的近红外光谱变量,并建立了偏最小二乘回归模型。利用遗传算法筛选的141个变量建立的校正模型,预测效果最好,与全谱建立的校正模型比较,预测相关系数,从0.93提高到0.96,预测均方根误差,从0.30°Brix降低到0.23°Brix。实验结果表明遗传算法结合偏最小二乘回归方法,有效地提高了苹果可溶性固形物近红外光谱检测模型的预测精度。     

超分辨率复原方法相关原理研究

介绍了超分辨率复原方法的概念和理论基础;重点总结了常用的超分辨率复原方法,并对相关的理论依据、优缺点和适用范围进行了详尽分析;对超分辨率复原方法的未来发展进行了展望.超分辨率复原方法分为频域法和空域法.频域复原法原理简单清楚,计算方便,但是所建立的运动模型都是平移模型,不具有一般性,同时难以利用正则化约束,因而导致难以使用图像的先验信息进行超分辨率复原.空域复原法可以很方便地建立复杂的运动模型,同时考虑了几乎所有的图像降质因素,例如噪声、降采样、由非零孔径时间造成的模糊、光学系统降质和运动模糊等,还可以加入更完善的先验知识,相比于频域复原法,空域超分辨率复原模型更符合实际的图像退化过程,是目前应用最广泛的一类超分辨率复原方法.     

基于瀑布型多重网格加速的复指数波前复原算法

激光在大气中传输时,由于强湍流或长传输距离的影响,畸变波前中出现由相位起点组成的不连续相位,现有波前复原算法不能有效复原不连续相位,使得自适应光学系统校正效果下降甚至失效.本文分析了最小二乘波前复原算法不能复原相位奇点的原因,提出了基于瀑布型多重网格加速的复指数波前复原算法,给出了复指数波前复原算法中迭代计算、降采样、插值计算的实现方式.研究了该方法对不连续相位和随机连续相位的复原能力,数值分析了采用复指数波前复原算法的自适应光学系统对大气湍流像差的校正效果.仿真结果表明,同等复原精度下,相比直接迭代过程,该方法所需浮点乘数目减少了近2个数量级,且随着夏克-哈特曼波前传感器子孔径数目增加,其在计算量上的优势更加明显. Rytov方差较大时,相比直接斜率法,自适应光学系统采用复指数波前复原算法后校正光束Strehl比提升1倍.     

稀疏阈值的超分辨率图像重建

为了解决基于字典学习的超分辨重构算法耗时过长的问题,提出了基于稀疏阈值模型的图像超分辨率重建方法。首先,将联合字典理论与图像块稀疏阈值方法相结合,训练得到高、低分辨率过完备图像字典对。接着,通过稀疏阈值OMP算法对图像特征块进行稀疏表示。然后,通过高分辨率字典重构出初始的超分辨图像。最后,通过改进迭代反投影算法对初始的超分辨图像进行全局优化,从而进一步提高图像重构质量。实验结果表明,超分辨图像重构平均峰值信噪比(PSNR)为30.1 d B,平均结构自相似度(SSIM)为0.937 9,平均计算时间为10.2 s。有效提高了超分辨重构的速度,改善了重构高分辨图像的质量。     

Structural similarity based single image super-resolution with nonlocal regularization

Recently, sparse coding based image super-resolution has attracted increasing interests. This paper proposes an improved image super-resolution method, by incorporating structural similarity (SSIM) index and nonlocal regularization into the framework of image super-resolution via sparse coding. Firstly, an algorithm of combining SSIM based sparse coding and K-SVD is proposed to train the high resolution (HR) and low resolution (LR) dictionary pairs. And then, the sparse representations of observed LR image are sought to reconstruct the HR image with the trained LR and HR dictionary pairs by exploiting nonlocal self-similarities. Experimental results demonstrate the effectiveness of the proposed method, both in its visual effects and in quantitative terms.     

Infrared super-resolution imaging based on compressed sensing

The theoretical basis of traditional infrared super-resolution imaging method is Nyquist sampling theorem. The reconstruction premise is that the relative positions of the infrared objects in the low-resolution image sequences should keep fixed and the image restoration means is the inverse operation of ill-posed issues without fixed rules. The super-resolution reconstruction ability of the infrared image, algorithm’s application area and stability of reconstruction algorithm are limited. To this end, we proposed super-resolution reconstruction method based on compressed sensing in this paper. In the method, we selected Toeplitz matrix as the measurement matrix and realized it by phase mask method. We researched complementary matching pursuit algorithm and selected it as the recovery algorithm. In order to adapt to the moving target and decrease imaging time, we take use of area infrared focal plane array to acquire multiple measurements at one time. Theoretically, the method breaks though Nyquist sampling theorem and can greatly improve the spatial resolution of the infrared image. The last image contrast and experiment data indicate that our method is effective in improving resolution of infrared images and is superior than some traditional super-resolution imaging method. The compressed sensing super-resolution method is expected to have a wide application prospect.     

基于双阈值Huber范数估计的图像正则化超分辨率算法

多帧图像超分辨率算法利用图像间的互补信息, 可以从一系列具有亚像素位移的低分辨率影像数据中重建出高分辨率图像. 在众多超分辨率算法中, 正则化方法以其求解病态问题的有效性而被广泛应用, 但在此类方法中, 最优估计算子的估计准确度对最后的重建结果有着较大的影响. 本文在现有正则化超分辨率重建算法的基础上, 提出了一种基于双阈值Huber范数的极大似然估计算子, 可以提高Huber范数对于阈值取值的容忍性和算子估计精度; 并给出了基于该算子的正则化超分辨率算法的迭代公式. 通过对仿真图像进行重建, 结果表明算法可有效地抑制各种噪声并保证重建效果; 同时将此算法应用于实际图像的超分辨率重建, 有效地提高了目标影像的空间分辨率. 关键词： 图像处理 图像重建 超分辨率 正则化     

宽带电磁图像卷积神经网络盲恢复方法研究

在利用抛物反射面对电磁干扰源成像过程中,由于系统衍射受限及成像频带较宽,导致干扰源成像模糊,分辨率低,难以分辨,不同频率不同区域干扰源所成图像分辨率不同,采用已有超分辨算法难以提高分辨率。为了实现宽带电磁图像的盲复原, 应用卷积神经网络的方法。网络训练是直接输入模糊图像,不假设任何特定的模糊和噪声模型情况下,重建出高质量图像。实验和仿真结果证明了卷积神经网络盲恢复方法在宽频带不同成像区域下表现了优于其他盲恢复算法的优势。     

卷积稀疏表示图像融合与超分辨率联合实现

为避免图像融合与超分辨率分步实现的不足,提出了基于卷积稀疏表示的融合与超分辨率重建联合实现方法。假设低分辨率与高分辨率图像之间具有相同的稀疏特征图,设计了一种高、低分辨率滤波器联合学习框架,实现对图像高低频成分的分离,并根据不同成分的形态特性设计了不同的融合规则:对于高频成分,根据稀疏特征图亮度信息和像素活跃性水平,设计了一种像素显著性度量方案来指导高频特征图的融合;对于低频成分,根据脉冲耦合神经网络能捕获邻域相似像素点火的特性,设计了低频成分融合方法。所提方法不需要将图像分割成重叠的块,避免块向量化的缺陷。实验结果表明,能有效提高图像融合的质量。     

基于人工鱼群优化分块的多聚焦图像融合

在多聚焦图像的融合过程中,对源图像采用固定大小的分块会导致融合后的图像存在块效应、边缘模糊甚至聚焦错误。为了克服此问题,提出了一种新的基于人工鱼群优化分块的多聚焦图像融合方法。首先,将源图像分解成互不重叠的方块,利用聚焦准则选取清晰度高的方块,将已选择的方块合并重构成初始融合图像。然后,利用改进的人工鱼群优化算法,根据一定的适应度值,寻找最优大小的分块方式,获得更优的融合图像。该方法与基于空域、频域及其他优化算法的融合方法进行了多个实验比较,结果表明,该方法获得的融合图像具有较好的客观质量和主观视觉感觉。     

基于MAP的高光谱图像超分辨率方法

高光谱图像得到了越来越广泛的应用,但较低的空间分辨率严重地影响着它的应用效果;其超分辨率方法受到学术界的高度重视,但一直没有得到很好的解决。为此重点研究了建立低分辨率资源图像与高分辨率目标图像之间的关系模型;引入关联感兴趣光谱端元的算子进行空间变换;应用最大后验概率(MAP)算法实现超分辨率复原。实验表明,该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强和保护感兴趣类别等优点。     

多尺度融合超分辨率算法在无人机探测中的应用

基于光电传感器的低慢小无人机探测系统能够快速准确地发现并识别无人机目标,但远距离非合作无人机目标在图像中像素比重过小,特征退化较明显,使识别率大大降低。图像超分辨技术能够从低分辨率目标图像区域中获得高分辨率图像并恢复更多的细节特征,现有超分辨技术很难在保证推理速度的前提下兼容图像的高低频特征,因此为了满足探测系统的需求,基于FSRCNN（fast super-resolution convolutional neural network）的特征提取与非线性映射网络结构并结合多尺度融合,提出一种包含4分支的轻量级多尺度融合超分辨率网络,能够在超分辨率图形中兼容高低频图像信息,且参数量较低,实时性高。经实验结果表明,该算法能够更加快速高效地重建出高分辨率的无人机轮廓与细节;在YOLOV3检测效果的实验中,该算法能够使无人机检测置信度平均提升6.72%,具备较高的实际应用价值。     

基于最大似然法的共焦拉曼光谱成像方法

随着现代科技对纳米微观区域兴趣的增加,如DNA测序、分子纳米器件微结构检测等,其对拉曼光谱技术的空间分辨力提出了更高的要求,而现有共焦拉曼光谱技术受自身原理限制,空间分辨力已无法满足科学需求。针对这一问题,在现有共焦拉曼光谱技术的基础上,提出一种基于最大似然算法的共焦拉曼光谱成像方法。该方法将超分辨图像复原技术与共焦拉曼光谱技术相结合,利用基于Poisson-Markov约束的最大似然超分辨复原算法对共焦拉曼光谱图像进行超分辨图像复原处理,恢复图像高频成分,进而改善共焦拉曼光谱系统的空间分辨能力,实现超分辨成像。仿真分析和实验结果表明,提出的基于最大似然算法的共焦拉曼光谱成像方法在不改变现有共焦拉曼光谱系统光学结构的前提下,仅对单幅拉曼光谱图像进行超分辨图像复原处理,即可将系统空间分辨力提高到200 nm,实现超分辨成像,同时该方法具有较强的噪声抑制能力。该方法有效地提高了共焦拉曼光谱系统的空间分辨力,为物理化学、材料科学等前沿领域中的高空间分辨微区光谱探测提供了一种新的途径,是一种行之有效的高空间分辨的共焦拉曼光谱成像方法。