可见-近红外高光谱成像结合化学计量学分辨人面部信息

人的面部信息与指纹和虹膜一样可以用于人的身份鉴别,并且相比之下更容易实现远距离的分辨和识别。利用高光谱成像技术可以应用到人脸识别领域并获取丰富的信息和庞大的成像数据量,需要采用化学计量学方法才能充分提取其中包含的有效信息,并为计算机识别奠定基础。研究了可见-近红外高光谱成像技术对人的面部信息进行分析的可行性。结果表明,多元曲线分辨-交替最小二乘方法不同于主成分分析,能够通过主成分纯光谱和相对浓度等具有具体物理化学意义的数据表征人的面部信息,而且可以方便地根据成像数据的特点施加运算中的约束。另外,采用偏最小二乘判别分析的方法实现了对不同肤色的皮肤信号光谱进行分类。白种人和黄种人的面部高光谱信息特征相似,分类难度高于深色皮肤人种。     

对数变换、导数变换的高寒草地反射光谱特征分析与识别——以那曲地区HJ-1A/HSI图像为例

对比3种类型高光谱数据以及2种分类算法,从那曲地区HSI高光谱图像上识别4个草种。结合实地踏勘从HSI高光谱图像上采集藏北嵩草、紫花针茅、高山蒿草和小嵩草这4个草种的原始光谱反射率数据,并分别进行导数变换、对数变换,得到4个草种的原始光谱、一阶导数光谱、对数变换光谱。对这3种光谱数据进行谱线波形分异特征比较、单因素方差分析以及相关分析,从这3种光谱数据中提取出各自适用的敏感谱段,然后将3种光谱数据的敏感谱段分别导入KICA-NFCM算法,通过对HSI图像分类识别出4个草种。对比3种光谱数据各自分类图的识别精度,评价3种光谱数据敏感谱段的适用性;再将3种光谱数据的敏感谱段分别导入ICA-FCM算法,与KICA-NFCM算法分类结果比较对4个草种的识别精度。结果显示谱线波形分异特征比较、单因素方差分析以及相关分析表明,原始光谱、一阶导数光谱、对数变换光谱的敏感谱段分别为788～925, 711～742, 669～682与788～925 nm;使用这3种光谱数据进行KICA-NFCM分类,总体精度、 Kappa系数分别为75.38%, 0.685, 81.26%, 0.752, 87.65%, 0.823;使用3种光谱数据进行ICA-FCM分类,总体精度、 Kappa系数分别为64.39%, 0.569, 67.74%, 0.604, 73.14%, 0.662。比较结果表明对数变换能够增强多组相似光谱数据之问的峰谷特征差异,为通过谱线波形分异特征比较选取敏感谱段创造条件; KICA-NFCM算法可以优化输入特征、并引入加权邻域空间信息计算隶属度函数,针对性解决了标准FCM算法在处理高光谱图像时,目标识别过程受邻域噪声影响,分类图像"椒盐效应"显著、同质区域连通性差的问题。结果表明:应用"对数变换光谱/KICA-NFCM算法"组合能够最准确的从HSI图像上识别4个草种,有效减少混分误判现象,为精准开展高寒草地成像高光谱观测提供技术基础。     

基于NIR高光谱成像技术的长枣虫眼无损检测

为了研究快速识别虫眼枣与正常枣的有效方法,利用特征波长主成分分析法结合波段比算法进行虫眼枣识别。首先,利用NIR高光谱成像系统采集130个长枣(50个正常、80个虫眼枣)图像,提取并分析不同类型长枣特征区域的平均光谱曲线,对970~1 670 nm范围内的光谱数据进行主成分分析,确定7个特征波长(990,1 028,1 109,1 160,1 231,1 285,1 464 nm)。然后,对长枣图像做主成分分析,选择PC2图像进行虫眼识别,虫眼与正常枣的识别率分别为67.5%、100%。为了进一步提高虫眼枣的识别率,采用波段比(R1231/R1109)对未识别的虫眼枣进行再次识别,识别率提高到90%。结果表明,基于NIR高光谱成像技术的检测方法对虫眼枣识别是可行的,同时也为多光谱成像技术应用于在线检测长枣品质提供了理论依据。     

光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱（LIBS）样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明：在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。     

超光谱成像技术应用于神经分类的研究

在外科神经修复手术中,断端神经束性质的识别成为良好修复的关键。现有的一些神经束识别的方法不太理想。分子超光谱成像技术同时提供生物组织图像和光谱两方面的信息,对检测目标可进行定性、定量和定位的描述,可对不同的生物组织从光谱特性的角度识别、分类并在图像上定位;相比较于其他医学成像技术,具有独特的优势。本研究把超光谱成像技术应用于神经束的识别和分类研究中,以期通过不同神经束的特征光谱来识别并分类神经束,并借助图像光谱信息确定神经束在图像中的定位,以便更好的辅助外科手术人员开展神经修复手术。研究意义在于：提出一种全新的神经束识别和定位的方法,辅助外科人员提高神经修复的疗效;储备超光谱成像技术应用于生物组织的定性定量定位分析和研究的技术,加快超光谱成像技术向实用阶段进展的步伐。     

超光谱成像技术应用于神经分类的研究

在外科神经修复手术中, 断端神经束性质的识别成为良好修复的关键。现有的一些神经束识别的方法不太理想。分子超光谱成像技术同时提供生物组织图像和光谱两方面的信息, 对检测目标可进行定性、定量和定位的描述, 可对不同的生物组织从光谱特性的角度识别、分类并在图像上定位;相比较于其他医学成像技术, 具有独特的优势。本研究把超光谱成像技术应用于神经束的识别和分类研究中, 以期通过不同神经束的特征光谱来识别并分类神经束, 并借助图像光谱信息确定神经束在图像中的定位, 以便更好的辅助外科手术人员开展神经修复手术。研究意义在于: 提出一种全新的神经束识别和定位的方法, 辅助外科人员提高神经修复的疗效;储备超光谱成像技术应用于生物组织的定性定量定位分析和研究的技术, 加快超光谱成像技术向实用阶段进展的步伐。     

微型快照式窄带多光谱成像宫颈癌筛查方法

白光阴道镜图像对比度较低,不利于医生鉴别不同病变程度组织,也不利于自动化宫颈癌筛查。利用癌变组织富含血红蛋白成分及血红蛋白具有特征波段这一特性,与传统高光谱空间扫描成像及分时获取不同波段多光谱成像方法相反,利用快照式多光谱窄带成像来加速光谱图像获取过程,提升不同病变程度组织之间灰度对比度同时,降低后续图像分析处理算法难度,实现对宫颈组织病变类型高帧率自动化分类。首先,使用微型快照式窄带多光谱摄像方法,在血红蛋白的两个强吸收峰(415±10)和(525±10) nm、一个反射带(620±10) nm和一个背景波段(450±10) nm共四个波段对宫颈组织进行快照式零时差获取四幅窄带光谱图像。而后,对所获取的光谱图像进行简单代数加减,以生成突显病变组织的融合图像,提高不同病变程度组织之间的对比度。最后,使用欧式距离分类算法,对光谱融合图像中不同病变级别进行分类,建立计算机辅助宫颈癌筛查方法。创新点在于实现了高帧率计算机辅助光学病理诊断方法。分别采用临床常规白光阴道镜及微型快照式窄带多光谱摄像对宫颈癌手术切下的新鲜组织进行彩色图像及光谱融合图像的高帧率采集,并使用同一个欧式距离分类算法对两种图像进行自动分类,分类结果都以组织病理诊断作为标准来计算正确率。通过对比两种分类结果正确率来检验光谱融合图像相对于彩色图像是否提升对比度,及其是否可以实现与组织病理诊断(金标准)结果一致的诊断。欧式距离分类算法对光谱融合图像分类准确率接近100%,远高于对白光阴道镜图像约50%的准确率。多位临床医生对基于微型快照式多光谱摄像头光谱融合图像的计算机自动分类结果表示接受。微型快照式窄带多光谱成像方法能有效提升光谱融合图像获取帧率及不同病变程度组织之间灰度对比度,能有效快速地将宫颈组织划分为与组织病理诊断结果一致的病变类型。由于诊断客观、无创伤、结果立等可得,该方法将有助于实现落后地区宫颈癌筛查的普及以及图像导航下的宫颈癌精准治疗手术。     

融合自适应稀疏表示和相关系数的高光谱伪装分类方法

目前比较成熟的高光谱成像手段有卫星遥感和航空成像技术,这两种成像方式侦察时间大致相同,入射光方向基本一致,因而地物的光谱曲线比较固定;在陆基条件下,地物的光谱曲线受成像环境的影响凸显,因此应该对适用于陆基条件下的高光谱图像分类方法进行研究。在陆基高光谱图像中,对每个地物进行类型以及种类的判别有利于后续对目标的识别和处理,不同于传统遥感图像分类,陆基条件下的高光谱图像目标分类训练样本不仅较难获得,并且在陆基条件下的高光谱图像中,训练样本之间的相关性随着目标类型、探测器参数以及成像环境等因素时刻发生变化。基于稀疏性表示的分类方法已经被广泛应用于处理图像问题以及各种机器视觉问题。对于陆基高光谱图像来说,基于固定范数约束的稀疏编码策略无法适应陆基条件下高光谱成像多变的环境,而自适应稀疏表示可以根据样本相关性自适应的调节范数约束,相关系数可以提高图像中的破坏因素（阴影、噪声点等）的识别精度。通过引入正则化参数,融合了自适应稀疏表示和相关系数,提出了一种新的高光谱图像分类方法。为了验证所提方法的有效性,分别在绿色植被背景和荒漠背景中设置伪装物,通过不同的分类方法对图像进行分类,实验结果表明,不管是分类精度还是分类一致性,该方法都有明显的优势,可以应用于陆基条件下的高光谱图像分类,为目标分类提供了理论基础。     

多光谱成像技术分析彩色艺术品的相关基础研究

多光谱成像技术集数字成像和光谱测量技术于一体,是一种记录光学信息的新型无损分析技术。基于对国内外文化遗产领域多光谱成像技术研究现状的分析,使用自行搭建的多光谱成像系统对敦煌壁画颜料模拟试板和现代国画在300~1000 nm范围内进行光谱图像采集,检验多光谱成像系统的适用性。结果显示多光谱图像能对外观相近的不同颜料做出快速区别,结合激光显微拉曼光谱技术,可进一步识别样品中颜料的种类;同时,多光谱图像还能够揭示具有紫外激发可见荧光特性的物质分布、画稿中的底稿信息、水渍痕迹等信息。实验表明多光谱成像技术可以有效获取彩色艺术品的多样化信息,在彩色艺术品研究领域具有良好的应用前景。     

基于太赫兹时域光谱技术的红木分类识别

提出了一种利用太赫兹时域光谱技术（THz-TDS）进行红木分类识别方法。红木价格昂贵,同时由于种类繁多难以识别,导致红木市场以次充好,以假乱真的现象层出不穷,严重扰乱了市场秩序,给生产者和消费者造成巨大的经济损失,传统的红木分类识别方法难以兼顾准确性和快速性,因此需要研究一种新的方法对现有木材分类识别方法进行补充和发展。相比于传统方法,太赫兹波对红木具有良好的穿透性及指纹特性,在红木的分类识别中有较大的应用潜力。选用5种红木（巴里黄檀、奥氏黄檀、大叶紫檀、小叶紫檀、交趾黄檀）作为试验样品木材。利用THz-TDS系统得到木材的太赫兹时域光谱,通过对五种木材的太赫兹时域光谱进行快速傅里叶变换,得到木材太赫兹频域光谱,并对太赫兹时域光谱提取光学参数,分别得到木材的太赫兹折射率谱和吸收系数谱,结果表明不同种类的木材在时域光谱上具有时间延迟线与振幅的差异,在频域光谱上显示衰减趋势及幅值各不相同,在吸收系数谱中各种类红木吸收峰出现的频段不同,能够直观地展示出各种类木材之间的区别,表明THz-TDS进行红木分类识别具有一定的可行性。利用连续投影算法（SPA）提取吸收系数谱和折射率谱的特征频率,对吸收系数谱260个频率点筛选出28个特征频率点,频段占比10.77%;对折射率谱260个频率点筛选出12个特征频率点,频段占比4.62%。分别建立基于吸收系数谱和折射率谱的随机森林分类模型和支持向量机（SVM）红木分类模型,并对各模型分类结果进行对比。实验结果表明,THz-TDS具有良好的木材识别效果,基于木材太赫兹吸收系数谱和折射率谱建立的随机森林分类模型对红木种类有着较好的分类性能,总体分类准确率分别达到了94%和96%,能够准确对红木种类进行分类识别。利用太赫兹时域光谱技术实现了红木的分类识别,为红木的分类识别提供了一个新的思路和技术方案,能够作为近红外光谱木材检测方法的补充,同时为太赫兹技术在木材分类识别领域的应用提供了理论基础。     

基于提升方案的多光谱遥感图像有损压缩算法

在分析多光谱遥感图像谱间和空间数据特点的基础上,提出了一种DPCM线性预测与基于提升方案的整数小波变换相结合的多光谱遥感图像有损压缩算法。在谱间采用DPCM预测去除谱间相关性;在谱内采用整数小波变换去除空间相关性,根据不同子带对目标识别的重要程度,选择不同的量化阈值和量化步长进行量化,并分别对各个子带量化后的数据和重要图表采用固定比特平面编码和游程编码,实现高效的多光谱遥感图像压缩。实验结果表明,该算法在一定的压缩比下,重构图像具有较高的峰值信噪比,并且算法硬件实现简单,对内存的需求低。     

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。     

基于空谱联合特征的壁画稀疏多光谱图像颜料分类方法

由于受到现场条件和保护要求限制,对壁画进行光谱成像数据采集时需要快速完成,利用稀疏通道成像能够提高数据采集的效率,但其像元颜料光谱反射率曲线呈现非线性,影响壁画多光谱图像颜料分类精度.针对该问题,提出了基于空谱联合特征的壁画稀疏多光谱图像颜料分类方法,采用长短期记忆神经网络中的双曲正切激活函数提取非线性光谱特征,减小对...     

塑料激光诱导击穿光谱技术快速分类应用研究

在大气环境中,采用激光诱导击穿光谱技术与支持向量机算法相结合,对来自不同厂家不同颜色的20种工业塑料进行分类研究。首先对分类结果有影响的实验参数进行优化,在最佳的实验参数条件下进行光谱采集,采用6条非金属元素特征谱线,有效缩短了训练支持向量机分类模型所需时间,从而提高了塑料的分类效率。实验结果表明,利用碳、氢、氧、氮等主量非金属元素对这些工业塑料样品进行分类,测试集1 000个光谱数据中有996个识别正确,算术平均识别精度达到99.6%。在选取较少的主量非金属特征谱线的情况下,结合采用支持向量机算法,可以实现激光诱导击穿光谱技术对更多类型的塑料制品快速、高精度分类,为激光诱导击穿光谱技术在实现塑料分类方面提供了数据参考。     

园艺作物病害的多光谱组合分类

选取设施园艺作物黄瓜的主要病害为研究对象,利用窄带滤光片型多光谱成像系统,获取患病黄瓜叶面的14个可见光通道和近红外通道、全色通道的多光谱图像。采用多光谱图像分类技术中的距离分类器、相关系数分类器和BP人工神经网络分类器,将不同病害类型对应的16个波段的反射率看作线性波谱,对210个多光谱数据样本进行识别分类,目的是探讨一个能有效识别黄瓜植株常见病害的多光谱组合分类器。实验结果表明,将人工神经网络和距离分类器有效组合,不仅分类性能明显优于单个分类器的性能,而且能够充分发挥各个分类器的特性,对园艺作物病害进行快速、准确、实时的无损检测。     

基于SPA和多分类SVM的紫外-可见光光谱饮用水有机污染物判别方法研究

快速、有效地识别饮用水中污染物类别对于降低突发饮用水污染事件影响十分重要。目前基于紫外-可见光光谱法的饮用水污染物判别模型大多使用主成分分析(PCA)进行特征提取,然而,对于光谱相似度较高的有机污染物,仅从数据驱动的角度提取其方差最大的方向作为特征进行识别效果往往不佳。针对有机污染物光谱数据多重共线性以及谱峰重叠干扰的问题,开展了基于连续投影算法(SPA)和多分类支持向量机(M-SVM)的紫外-可见光光谱饮用水有机污染物判别方法研究。首先,使用紫外光谱仪测量苯酚、对苯二酚、间苯二酚和间苯二胺的原始光谱数据并进行预处理,在对四种污染物进行了波长与浓度的相关关系对比分析后,发现苯酚和间苯二酚、对苯二酚和间苯二胺的谱峰重叠较为严重;特征提取时,引入SPA筛选有机污染物紫外-可见光光谱数据的特征波长组合,并对不同波长个数时的光谱吸光度进行多元线性回归分析,选取对应最小预测标准偏差的参数及波段组合作为最优参数组合;基于最优特征波长组合,构建基于多分类SVM的饮用水有机污染物分类识别模型;最后,对比分析了全光谱、 PCA及SPA特征提取后的光谱数据在不同分类方法及不同污染物浓度下的分类效果,进一步说明了SPA的适用性和稳定性。实验结果表明, SPA作为一种提取光谱数据原始特征波段的方法,可以有效的对有机污染物的紫外-可见光光谱进行特征提取,提升不同物质之间的差异,在一定程度上消除多重共线性和谱峰重叠干扰,从而提高分类模型的准确率。该方法对于解决饮用水中谱峰重叠的污染物类型判别问题具有参考价值。     

激光诱导击穿光谱元素谱线自动识别方法研究

根据激光诱导击穿光谱谱线展宽机制,对NIST标准谱线数据库中的发射谱线进行了模拟,并与实验光谱进行对比,在对比分析中引入相似性测度,得到模拟光谱和实验光谱的相似程度。对元素谱线的自动归属识别方法进行分析和研究,通过相似性计算对土壤样品340～345nm波段光谱进行了识别分析,利用最小二乘原理计算各谱线之间的比例系数,实现了光谱识别,实验结果验证了基于相似性测度的光谱识别方法的可行性及其自动识别的优越性。     

皮肤鳞状细胞癌声光滤波显微光谱成像研究

TeO_2非共线声光可调滤波器(AOTF)是一种优良的电调谐分光器件,具有体积小巧、稳定性高、调谐快速、可实现便携等优点,在超光谱成像领域具有很高的应用价值。通过非共线AOTF与光学倒置显微镜有机结合,建立了声光滤波超光谱显微成像系统;在可见光范围内,开展了人体皮肤鳞状细胞癌组织的超光谱显微成像实验研究,获得了一系列不同衍射光中心波长下的皮肤鳞状细胞癌组织的光谱和对应的显微图像。系统性能检测实验结果显示,在超声频率为110～180 MHz范围内的衍射光带宽仅为1.28～2.84 nm,表明本研究中的AOTF具有很高的光谱分辨率,达到10~2个光谱通道量级,完全可以满足超光谱显微成像对生物组织结构进行精确识别的需要。本系统采用高质量的TeO_2晶体、双胶合透镜以及优化的射频驱动源,有效地抑制了衍射光光谱的旁瓣。分析了超声频率与衍射光中心波长的调谐关系,以及超声频率与对应衍射光谱带宽的关系曲线,实验结果与理论计算结果有着较好的一致性。系统实验获得的皮肤鳞状细胞癌组织显微图像随光波长漂移不显著,表明超光谱成像系统的图像稳定性高。通过对比,分析了不同中心衍射光下的皮肤鳞状细胞癌组织显微图像的清晰度随光波长的变化规律,在522.52 nm时,皮肤鳞状细胞癌组织内部各精细结构区分明显,图像最为清晰。通过定义透射差异系数,分析了图像整体亮度曲线和透射差异系数随光波长变化曲线,其变化规律与直观观察结果相符合;对皮肤鳞状细胞癌组织图像进行了边缘提取分析,得出在497.87～551.29 nm内,可在整体视野较为明亮的情况下对皮肤鳞状细胞癌组织进行观察和研究,在509.69～527.59 nm范围内,组织边缘明亮清晰且完整,是进行皮肤鳞状细胞癌组织结构精确识别与分析的最佳窗口。该研究为人体皮肤鳞状细胞癌组织结构简便、灵活、快速地检测与识别提供了一种新方法。     

基于形态学空间特征的高光谱遥感图像分类方法

传统的高光谱图像分类主要是基于像素的光谱特征,在一定程度上忽略了高光谱遥感图像中像素之间的空间相关性。为了充分利用高光谱图像中的空间信息,提出了一种基于加权多结构元素无偏差形态学的空间特征提取方法,并基于形态学的多尺度特征和结构保持性提出了基于邻域的多尺度空间特征提取方法,得到了高光谱遥感图像的空间特征。对k-NN分类算法进行改进,提出了基于变精度粗糙集和重构误差的k-NN分类算法,实现了基于空间特征的高光谱遥感图像分类。在两个不同的高光谱遥感图像的实验验证了基于空间特征和改进k-NN分类算法的性能。     

微型化多通道滤光片光谱串扰模型的建立和评价

多光谱成像可以从背景中凸显出目标物,但微型多通道滤光片在不同通道之间存在光谱串扰问题,影响目标的识别。通过光谱串扰分析,建立光谱串扰模型,提出光谱串扰系数,通过灰度值统计的方法定量评价光谱串扰。对已加工的一种光谱串扰程度约为16.74%的微型多通道滤光片获取的多光谱图像进行了对比分析,经过串扰模型处理后的图像与原始图像相比,其对比度有了显著的提高。实验分析结果表明,该模型对评价多通道微型多光谱滤光片的光谱串扰具有很强的针对性,对提高多光谱图像目标识别效果明显。