双波长比值光谱差异度指数用于人体舌苔舌质分离

舌苔舌质信息定量描述作为中医舌诊的重要内容,直接影响到中医临床舌诊的准确性。基于生物医学光子学理论,利用高光谱技术,提出一种基于双波长比值光谱差异度指数进行人体舌质舌苔分离的光谱分析新方法。首先采集被测对象371.200～992.956 nm之间共343个波长的舌体高光谱信息,随机选取15位被测对象进行光谱特征分析。绘制15位被测对象舌质舌苔全波段光谱曲线并进行比较,通过观察发现,舌质舌苔反射光特征差异与血红蛋白在该波段的光学特征变化相吻合,在500～750 nm之间,水对光的吸收很少,而舌体表面布满血管,光的吸收主要受到血红蛋白的影响,基于舌质舌苔在573和700 nm两波段光谱吸收差异,计算双波长比值,提取舌质舌苔光谱特征差异度指数,根据个体差异,分别提取不同被测对象舌质舌苔光谱特征差异指标,进行舌质舌苔区域分离,实验结果发现,对同一被测对象舌体苔质提取光谱差异度指数SDI,舌苔舌质光谱差异度指数存在一定差异性,由于个体的不同,具有各自明显的舌质、舌体差异度指数分割线,实验结果表明,运用双波长比值光谱差异度指数的光学表达形式能够用于舌质舌苔分离,同时该方法也能够为进一步中医临床舌诊提供客观依据。     

智能手机的主要叶类蔬菜品质和新鲜度指标的光谱检测

蔬菜品质和新鲜度的高低不仅影响食用时的口感,而且营养程度也不一样。作为蔬菜品质和新鲜度重要参考指标之一的叶绿素和含水量的检测,已经越来越受到国内外学者的重视。相比于传统的肉眼目视判断的检验方法,可见-近红外光谱分析具有快速高效、无损、非接触等独特的优势,更加适合蔬菜的实时检测。目前相关研究主要集中在生长中植被叶绿素和含水量的反演,对市场上成品蔬菜的研究较少,或者研究对象单一,缺乏市场普适性。此外,光谱数据的获取需要专业的光谱仪采集,费时费力,各种生理生化指标的研究离实用化还有很长的距离。为了与实际相结合,基于智能手机光谱系统（SCSS)建立了快速、准确、普适性强的反演蔬菜叶绿素和含水量的模型,并通过地面光谱仪SVC数据验证了该系统的可靠性。选取市场典型的五种蔬菜（菠菜、小油菜、油麦菜、生菜和娃娃菜）作为实验样本,分别进行常温保存和冷藏保存来模拟现实中菜市场和超市的蔬菜储存环境。每隔24 h进行一次数据采集。对获取的原始光谱数据进行波段选择和小波变换去噪的预处理。构建蔬菜叶绿素反演指数(VCRI_{（m, n）})和蔬菜含水量反演指数(VWRI_{(i, j)}),分别提取该两个指数与叶绿素和含水量实测值的相关系数R作为权重系数,最终建立了叶绿素和含水量的加权平均反演模型。实验结果表明,SVC仪器和SCSS两者数据针对蔬菜叶绿素和含水量的敏感波段基本一致,叶绿素反演的敏感波段在730~980 nm之间,反演精度R2分别为0.863和0.808 1,标准差为8.679 5和8.892 5;含水量反演的敏感波段在水汽吸收波段950~1 000 nm之间,反演精度R2分别为0.742 9和0.712 9,标准差为8.789 9%和8.861 4%。SVC实验数据跟SCSS实验数据结果十分接近,验证了新型智能手机光谱系统实时监测蔬菜叶绿素和含水量的有效性。智能手机光谱系统具有体积小、价格便宜的优势,结合网络云端服务和实时数据反馈的特点,能够实现蔬菜品质和新鲜度指标的智能检测,让光谱分析真正应用于人们日常生活中。     

比值导数法矿物组分光谱解混模型研究

矿物丰度含量的精确分析是高光谱遥感技术定量分析中的难点。将化学领域的比值导数光谱算法进行总结,将其引入遥感反射率光谱分析,提出了基于线性光谱混合模型的比值导数光谱解混模型,并利用石膏和绿帘石粉末混合物进行了模型的精度分析。实验结果表明,矿物粉末混合物在不同波段其光谱混合特性有所不同,其中部分波段有较强的线性混合特征。采用部分强线性混合波段进行光谱解混,可以取得比全波段解混算法更好的结果。比值导数法光谱解混模型简洁,可以得到高精度的矿物成分反演结果,对于固定端元组成的混合光谱定量分析有较大潜力。     

基于植被特征库的高光谱植被精细分类

目前,高光谱数据精细分类面临两方面问题：一方面,传统单纯利用光谱信息的分类往往难以满足各应用行业对精度的需求,另一方面,基于像元的分类结果受制于椒盐噪声,影响其有效应用。为此,提出了一种基于植被特征库构建与优化的高光谱植被精细分类策略。首先,从高光谱影像中的原始光谱特征出发,结合灰度共生矩阵和局域指示空间分析两类纹理特征,并有针对性地加入了对植被叶绿素、胡萝卜素、花青素和氮素叶面积指数等理化参量敏感的光谱指数特征,构建了完备的植被特征库,以提高植被类别间的可分性;进而对植被特征库进行光谱维优化,提出了基于类对可分性的光谱维优化算法,选择对各类对具有最高识别能力的特征波段,通过迭代使各类别间均达到较高的区分度,并利用最优索引因子法进一步降低数据冗余,以提高分类效率;在进行植被特征库空间维优化时,主要基于地物分布通常具有一定的空间连续性这一理论,提出了基于邻域光谱角距离的植被特征库空间维优化算法,以去除分类结果中的椒盐噪声,提高分类精度和分类图像平滑度。基于航空高光谱数据的植被精细分类验证表明,该方法可以显著提高分类精度,在作物品种识别、精准农业等方面将具有广泛的应用前景。     

基于MODIS植被指数时间谱的太湖2001年—2013年蓝藻爆发监测

藻类水华爆发已成为影响内陆水体生态环境的重要因素。遥感能够提供实时的大范围观测,在水华监测中起到越来越重要的作用。遥感植被指数已广泛应用于藻类水华监测中,通过对研究区植被指数图像进行阈值分割,能够反映不同子区域内的藻类爆发程度;然而阈值分割法的结果只能反映某一时间点(图像获取时)的藻类爆发状况,无法表征长时间内藻类的变化。相比于单个时间点的植被指数,植被指数时间谱(时谱)包含藻类的物候信息,能够更加全面准确地反映藻类的长时间变化。目前,植被指数时间谱还尚未应用到水华相关研究中。选取2001年—2013年太湖区域的MODIS NDVI数据,构建年度NDVI时谱数据,利用(support vector machine, SVM)方法对每年的太湖蓝藻水华爆发强度进行分类,将太湖重度、中度和轻度蓝藻水华爆发的区域以及水生植物的区域提取出来,得到其空间分布和面积;并从2007年的时谱数据中抽取了8个时间点的NDVI图像,利用传统阈值分割法提取太湖重度、中度和轻度蓝藻水华爆发的区域,将结果与2007年时谱数据分类的结果进行对比。结果表明：所提出的方法能够更加全面准确地对太湖蓝藻爆发强度进行分类,通过NDVI时谱曲线提供的丰富物候信息可准确区分蓝藻与水生植被区域。本研究有望为准确掌握和预测藻类水华的爆发趋势及强度提供有效手段。     

传感器光谱指标对植被光谱模拟精度的影响

高光谱卫星数据模拟是卫星遥感数据模拟的重点研究方向,基于星载多光谱数据和地物光谱先验知识是一种快速模拟高光谱数据的方法,但数据模拟精度受传感器光谱指标的限制。文章针对EO-1/ALI的可见光/近红外波长范围进行实验,研究了波段数量、半波宽度和波长位置等光谱指标与植被光谱模拟精度的关系,分析了两者之间的变化规律。研究表明,光谱指标决定了植被光谱特征提取,是影响光谱模拟精度的直接原因。文章总结了适于光谱重构模型的光谱参数范围,实验结果有利于提高植被光谱模拟精度。该结论可用于多光谱传感器的性能评价及其分光滤色结构的改进。     

光谱分析的葡萄酒掺水鉴别方法

葡萄酒市场的迅猛发展,大量的中国优质葡萄酒也一直受假冒葡萄酒的侵害。假冒劣质葡萄酒的存在不仅影响中国优质葡萄酒的品牌,也会对人体产生一定的伤害。葡萄酒中掺水掺伪是制造假酒的最常见的手段,因此,对葡萄酒掺水掺伪的检测方法的研究也越来越受到国内外学者的重视。相比于传统的感官鉴定法、理化指标分析检验方法,具有快速、高效、无需破坏样本、非接触性等独特优势的可见-近红外光谱分析技术,更加适合于葡萄酒品质的快速检测。为了快速、准确的检测葡萄酒掺水问题,基于可见-近红外光谱构建了一种反映葡萄酒掺水程度的光谱吸收深度指数(DI),并设计构建了基于DI指数的葡萄酒掺水量的反演估算模型。首先采用长城解百纳葡萄酒(CC)、张裕解百纳葡萄酒(ZY)和西奥葡萄酒(XA)三种葡萄酒配制葡萄酒样本,分别提取相同量的葡萄酒作为实验对象,掺入比例为0%(未掺水的纯葡萄酒),4%,7.7%,11.1%,14.3%,17.2%的蒸馏水,获取样本共18份;另外对长城葡萄酒加大掺水比例,分别掺入比例为0%,20%,40%,60%,80%,90%的蒸馏水,获取样本数为6份,共获得24份掺有不同比例蒸馏水的葡萄酒样本。然后利用PSR-3500便携式地物光谱仪采集葡萄酒样本光谱数据,并对葡萄酒样本的原始光谱数据进行S-G滤波、特征波段选择、包络线去除等特征增强预处理;通过分析预处理后的葡萄酒样本的可见-近红外光谱特征,选取能反映葡萄酒掺水程度的837 nm处稳定的吸收特性,构建了葡萄酒掺水的光谱吸收深度指数(DI)。为了提高光谱吸收深度指数DI的稳健性,DI指数中光谱反射率的值均采用837 nm附近微小邻域均值进行计算。最后采用二次多项式拟合方法,给出了基于DI指数的葡萄酒掺水量的反演估算模型。选用长城解百纳葡萄酒在837 nm处微小邻域内光谱吸收深度指数DI值,同时选择长城葡萄酒样本中的七个样本作为模型预测集,另外4个样本作为测试集,对该葡萄酒掺水量的反演估算模型进行验证分析。实验结果表明,采用二次多项式拟合方法,该模型结果的精度R平方高达0.999 2,且该模型的估算值与真实值的平均相对误差为0.042 5,表明了基于DI指数所构建的反演估算模型不仅可以判定待鉴别葡萄酒是否掺水并且可以定量分析葡萄酒的掺水量。光谱吸收深度指数DI构建简单,且能够反映不同品牌的葡萄酒的掺水稀释程度。研究结果可为低成本、手持式简易的葡萄酒光谱检测设备的设计与研发提供科学依据,进一步促进可见-近红外光谱分析在葡萄酒品质无损检测及相关领域的应用推广。     

唐卡主色矿物颜料光谱分析

唐卡作为一件艺术品,具有较高的历史价值和艺术价值。对唐卡的矿物颜料进行鉴别分析,对唐卡的鉴定、修复、数字化存档、再现等具有非常重要的意义。该研究对唐卡主色矿物颜料进行体系性的光谱分析,选用唐卡绘制过程中5种主色常用的矿物颜料,深入分析矿物颜料的可见光、近红外、短波红外光谱特征产生机理,总结了不同色系矿物颜料可见光、近红外、短波红外谱段光谱特征。通过分析同一矿物颜料粉末、调和骨胶颜料以及颜料上布色卡光谱特征,发现粉状颜料调和骨胶后,反射率整体下降,在1 447和1 928 nm附近出现两个水的强吸收特征。而当骨胶溶物涂绘上布后,随着膏状颜料中水分的减少,上述两个吸收特征均变弱,个别颜料在1 447 nm处的吸收特征甚至消失。因此,矿物颜料粉末和颜料上布色卡光谱极为接近,可以在后期的唐卡颜料分析中直接利用唐卡矿物颜料粉末光谱进行匹配分析。唐卡红色矿物颜料为朱砂,矿物成分主要为HgS,其光谱在可见光波段先降后升,500 nm附近形成一个较深的吸收特征,且吸收峰较宽（430～530 nm）,红光谱段附近反射率急速升高,近红外波段反射率变化较为平直,在1 940和2 250 nm附近有弱吸收特征。唐卡黄色矿物颜料主要有三种：土黄（雄黄、雌黄）,赭石及金箔,主要成分分别为硫化砷、氧化铁及金。其特征光谱在可见光谱段集中在400～500 nm之间,不同颜料的吸收特征位置和吸收深度均不同。赭石在近红外波段的反射率整体较低,且860 nm附近还出现了吸收特征;而雄黄、雌黄和土黄则在近红外和短波红外谱段表现出反射率较高且波形平直,在1 890和2 230 nm附近有弱吸收特征;金箔在可见光波段的吸收特征窄浅,可作为区分的依据。唐卡蓝色矿物颜料为石青,主要矿物成分为蓝铜矿,其光谱在500～1 000,1 500,2 040,2 285和2 350 nm附近均有较强吸收特征,而在1 885和1 980 nm处有弱吸收特征。唐卡绿色矿物颜料为石绿,主要矿物成分为孔雀石,其光谱在550～1 000 nm有较强的宽吸收特征,在2 270和2 350 nm有明显吸收特征。尽管石青和石绿主要矿物成分皆为碳酸铜,但石绿在900～1 900 nm红-近红外谱段反射率增加较缓,1 500 nm无吸收特征,可以作为区分石青和石绿的依据。唐卡白色矿物颜料为砗磲和白土,主要矿物成分分别为碳酸钙和高岭土。在可见光谱段范围,砗磲在370 nm有弱吸收特征,而白土则在370和730 nm处有两个明显的吸收特征,可作为区分。在短波红外和近红外谱段,白土在1 425,1 930和2 230 nm均具有明显吸收特征,砗磲则在1 930和2 320 nm有明显吸收特征,1 440 nm处吸收特征较弱。且同种矿物颜料粉末,矿物粉末颗粒越大,颜料颜色越深,其光谱特征反射率越低。     

全谱段光谱分析的块状商品煤种类鉴别

常规的煤炭鉴别方法需进行繁琐的制样过程,且需结合多种化学参数指标进行综合判定,以得到较为准确的分析结果。提出一种基于500～2 350 nm的可见-近红外全谱段光谱分析技术与多层感知器(multilayer perceptron, MLP)分类方法相结合的块状商品煤鉴别方法。该方法具有非接触、无前期制样、无化学分析的优势,可快速高效的获取煤炭的分类信息。采用地物光谱仪采集煤炭原始光谱数据,对噪声过大、影响后续处理的谱段进行删除,剩余部分采用小波阈值去噪法进行噪声去除。将去噪后的数据分成三个数据集：可见-近红外光谱(500～900 nm)数据集、短波红外光谱(1 000～2 350 nm)数据集、全谱段光谱(500～2 350 nm)数据集。对以上三个数据集进行主成分分析,将提取出的25个主成分输入多层感知器分类模型。多层感知器模型由输入层、隐藏层(两层)、softmax分类器构成。对三个数据集进行分类精度的对比,并采用随机森林(random forest, RF)与支持向量机(support vector machine, SVM)两种分类算法进行进一步的验证分析。结果表明：对块状商品煤分类,全谱段光谱分析技术由于数据信息量丰富,能够得到更优的分类效果,在训练样本数为132时,采用MLP分类器的分类精度最高,为98.03%;随机森林与SVM的分类结果验证了全谱段数据集的优越性与普适性。该研究为煤炭的在线分析、便携式煤炭检测仪器的研发提供了可靠的技术支持。     

中国古画矿物颜料光谱混合模型初探-以石青和石绿为例

高光谱遥感技术对文物完全无损,适于对中国古画等文物进行颜料的鉴别与分析,但是中国古画中混合颜料不同成分的定量分析仍然是文物颜料分析领域中的难点。针对中国古画中经常出现的混合颜料现象,以石青、石绿两种典型的矿物颜料为例,选用粒度大小相同的两种矿物颜料粉末,按照不同的体积比例精确配比获取颜料样本,然后精确控制实验条件获取其光谱。对混合光谱分别用全约束最小二乘法进行全波段光谱解混,用比值导数解混算法进行单波段光谱解混,然后评定解混精度并对解混结果进行对比分析,探讨这两种矿物颜料的光谱混合模型。实验结果表明,石青、石绿两种矿物颜料的光谱混合从总体上来说非线性混合特征较强,但是在局部某些波段又基本符合线性混合模型,利用这些波段采用比值导数法解混,可以得到远高于全波段解混精度的定量分析结果。