Zernike矩在橡胶添加剂太赫兹光谱定量分析中的应用研究

近年来,“绿色轮胎”发展备受关注。在绿色轮胎制造过程中需要多种橡胶添加剂,而橡胶添加剂的含量与绿色轮胎能否达标密切相关,因此,对轮胎橡胶中相关橡胶添加剂的定量检测具有重要意义。太赫兹时域光谱（THz-TDS）技术已经成功应用于物质定量分析领域,但当定量分析对象为多组分混合物时,由于混合物光谱出现重叠和失真等原因,会导致定量分析结果不理想。针对此问题,将Zernike矩作为一种光谱预处理技术引入到橡胶添加剂多组分混合物的太赫兹光谱定量分析中,提出了基于Zernike矩结合支持向量回归（Zernike moment-support vector regression, ZM-SVR）的太赫兹光谱定量分析方法。首先,以影响绿色轮胎质量能否达标的三种橡胶添加剂氧化锌、白炭黑和2-巯基苯并噻唑（MBT）为定量检测对象,将3种橡胶添加剂与丁腈橡胶构成多组分混合物实验样本,并通过太赫兹时域光谱系统测得样本的太赫兹光谱;然后,对太赫兹光谱进行分析与处理,得到其吸收系数、消光系数和折射率3种光学参数后,将3种光学参数构建为样本的太赫兹三维光谱,并利用Zernike矩提取太赫兹三维光谱灰度图的特征信息;最后,利用支持向量回归建立样本太赫兹三维光谱灰度图特征信息和目标成分含量之间的定量模型,从而对混合物样本中目标成分含量进行分析。利用该方法得到的定量模型预测集相关系数均大于等于0.952 2,均方根误差均小于等于2.267 2%。为进一步验证该方法的有效性,将定量分析结果与常规方法PLS和SVR的结果进行了对比。对比发现,相比常规方法得到的定量分析结果,Zernike矩结合支持向量回归方法所得结果的准确性和稳定性均得到了明显提升。因此,Zernike矩结合支持向量回归方法为橡胶添加剂多组分混合物的太赫兹光谱定量检测提供了新思路,在绿色轮胎及橡胶的质量检测领域具有广阔应用前景。     

基于头肩模型的人体识别方法

针对移动机器人跟踪特定人体的要求,提出了一种基于头肩模型的人体识别方法。首先从人体检后得到的图像中提取所有的人体头肩模型;接着提取各头肩模型的降维加权的Hu不变矩作为特征向量;然后根据一定的阈值将各头肩模型分类为正背面或侧面;最后采用正背面或侧面KNN分类器判断哪个头肩模型属于移动机器人需要跟踪的人体。实验结果表明本方法具有较高的识别准确率,且满足实时性的要求。     

A background subtraction approach based on complex wavelet transforms in EDXRF

Subtracting the background accurately is one of the most important issues in energy‐dispersive X‐ray fluorescence (EDXRF) spectra processing. This paper presents a novel approach to perform background subtraction based on dual‐tree complex wavelet transform. Compared with real wavelet transform, the proposed method has some attractive properties, including a smooth, nonoscillating, and nearly shift‐invariant magnitude with a simple near‐linear phase encoding of signal shifts. Therefore, it outperforms real wavelet transform to decompose background into low‐frequency components. The effectiveness of the proposed approach is demonstrated via two simulated spectra with different kinds of backgrounds and one measured spectrum from an energy‐dispersive X‐ray spectrometer. Both simulated and experimental results prove that the proposed approach can subtract background in EDXRF spectra effectively. Copyright © 2014 John Wiley & Sons, Ltd.     

基于三维荧光光谱的Krawtchouk图像矩算法在多环芳烃定量分析中的应用

以多环芳烃中的芴和苊为研究对象,提出一种将三维荧光光谱技术与Krawtchouk图像矩、广义回归神经网络相结合的定量分析的方法。利用FS920荧光光谱仪获取样品的三维荧光光谱数据,得到对应的三维光谱灰度图。直接计算三维光谱灰度图的Krawtchouk矩,将得到的Krawtchouk矩经平均影响值筛选后作为广义回归神经网络的输入,建立多环芳烃(PAHs)的定量模型。预测8组混合溶液的测试样本,芴和苊的平均相对误差分别为0.98%和2.15%。研究结果表明,Krawtchouk矩经过筛选后预测结果更为准确,该方法能够有效提取光谱的特征信息,简单、准确的预测PAHs的浓度。     

软门限去噪法在X射线能谱分析中的应用

从函数空间的剖分和理想滤波器组的角度分析了多分辨率信号的分解与重构，提出了一种X射线能谱去噪的方法，即应用Mallat算法对谱信号进行小波分解，然后应用一个非线性软门限函数在小波域内将噪声抑制和消除，最后重构得到去噪后的能谱。该方法明显改善了能谱定量分析的结果。     

LIBS分析模型对铝合金定量分析精度的影响

为了提高铝合金定量分析的精度,将激光诱导击穿光谱技术与多变量线性回归、中值高斯核支持向量机回归及标准化偏最小二乘回归等方法相结合,建立铝合金中C u元素定量分析模型.对采集的L IBS光谱进行三阶极小值去背景和小波阈值降噪处理,从而提高LIBS光谱的信背比.将处理后数据筛选最佳训练集、预测集并用多变量线性回归、中值高斯...     

一种改进的小波除噪方法用于含噪ICP-AES光谱的处理

提出了一种改进的小波除噪方法。它基于噪声具有频率较高和幅度较小的特点 ,先排除信号中频率较高的成分 ,再丢弃余下的系数较小的成分。对模拟的含噪电感耦合等离子体原子发射光谱 (ICP AES)的处理结果表明 ,该法能克服小波平滑和小波去噪的一些缺陷 ,可去除更多噪声 ,而信号强度不受影响。同时 ,基线变得平坦 ,有利于峰高的定量计算。用该法处理实测ICP AES光谱 ,效果满意。     

近红外光谱用于植物样品中水溶性氯离子含量的测定

基于离散小波变换(DWT)和最小二乘支持向量回归(LSSVR)方法,建立了近红外光谱测定植物样品中水溶性氯离子的回归校正模型。以烟草样品中水溶性氯离子含量的测定为研究对象,首先采用DWT对近红外光谱进行数据压缩和背景扣除,再用LSSVR建立氯离子的校正模型。结果表明,与偏最小二乘回归(PLSR)和传统的LSSVR方法相比,作者所建模型的预测准确性具有一定优势。     

稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法

提出一种稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法。首先对近红外光谱数据进行小波变换以消除基线漂移,然后用稀疏降噪自编码(SDAE)网络提取光谱特征并降维表示,最后采用高斯过程(GP)进行二分类,其中GP选用光谱混合(SM)核函数作为协方差函数,记此分类网络为wSDAG_SM。自编码网络具有很强的模型表示能力,高斯过程分类器在处理小样本数据时具有优势。wSDAG_SM网络通过稀疏降噪自编码学习得到维数更低但更有价值的特征来表示输入数据,同时将具有很好表达力的光谱混合核作为高斯过程的协方差函数,有利于更准确的光谱数据分类。以琥乙红霉素及其他药品的近红外光谱为实验数据,将该方法与经过墨西哥帽小波变换的BP神经网络(wBP)、支持向量机(wSVM), SDAE结合Logistic二分类(wSDAL)、SDAE结合采用平方指数(SE)协方差核的GP二分类(wSDAG_SE),以及未采用小波变换的SDAG_SM网络等方法进行对比。实验结果表明,对光谱数据进行墨西哥帽小波变换预处理能有效提升SDAG_SM网络的分类准确率和稳定性。wSDAG_SM方法无论从分类准确率还是分类结果稳定性方面,都优于其他分类器。     

中红外光谱结合向量夹角直接定量三氯蔗糖

多组分复杂体系的红外光谱由于成分多样、谱带严重重叠、背景干扰等导致谱图特征减弱,且体系中的红外光谱往往不是各组分光谱的简单叠加,需要借助于化学计量学技术以实现解析。基于朗伯-比尔定律（Lambert-Beer law）并且随着衰减全反射（ATR）技术取样普及,结合偏最小二乘回归法（PLS）、人工神经网络（artificial neural network, ANN）等化学计量法将数据进行累积、特征提取以及校正建模等工作解决红外光谱中严重重叠和非线性等问题,再采用二次测量定量分析已初步具有应用成效,而有效增强信息量表达,降低背景、噪声干扰,减少复杂的计算过程,进而保证定量分析结果的可靠性,则成为研究的主要方向。通过讨论光通道和背景对光谱强度变化的影响,结合向量角度转换提出一种新的近似线性定量方法。经初步理论计算,发现多组分混合物与该混合物中待测组分的相对含量二者间的向量夹角值存在一定的关系,而该关系并不受批次制样的影响,进一步通过高斯曲线模拟混合信号,充分说明选择合适的波长范围,二者在一定范围内存在线性相关性,相关性不受测量条件变化的影响。采用KBr压片法,向待测样品中逐步加入待测组分得到混合样本,分别得到待测组分光谱与混合样本光谱信号,先将其进行一阶求导,消除加性误差后,再将其转化为空间向量角度,消除批次制样中光程差异,再以百分比定义待测物样品的含量,所得到混合样的夹角值与其中所含参照品含量成简单线性关系,即以计算结果夹角值与含量作标准曲线,实现定量分析。本测量方法用于三氯蔗糖（Sucralose, TGS）与三氯蔗糖-6-乙酸酯（4,1,6-trichloro sucrose-6-acetate, TGS-6-A）二者进行一定比例混合（双组分体系）,以及TGS-6-A的脱酰产物（多组分体系）中的TGS的含量定量分析,在两种体系中定量均得到令人满意的结果,所建立标准曲线的相关系数r均达到0.995 0以上,相对误差均低于8.0%,所建立的分析方法对利用中红外透射光谱分析研究多组分样品具有重要的参考价值。     

A load identification method based on wavelet multi-resolution analysis

Load identification, as a kind of indirect identification method, uses system characteristic and responses to calculate loads. A method based on wavelet multi-resolution analysis is proposed in this paper. By wavelet decomposition and transform at certain resolutions, the proposed method transforms the convolution relation between responses and loads in time domain into the linear multiplicative relation between system responses and wavelet responses in the wavelet domain. Loads can be identified as long as the linear multiplicative relation is solved. Qualitative and quantitative rules are proposed for selecting parameters that affect the accuracy of the proposed method, and are illustrated via numerical investigations. The method is illustrated by a multi-input-multi-output numerical simulation. A multi-input-multi-output laboratory experiment is performed to compare the proposed method with the frequency method on the identification ability.     

小波包分解支持下的高光谱混合像元盲分解

提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度,其准确度明显优于独立成分分析方法.该方法为高光谱遥感影像的盲分解提供了一条新的途径.     

浑浊散射介质中被测成分线性吸光度提取与模型转换研究

近红外漫反射光谱法可用于物质成分定性、定量分析,具有快速、无损检测等优点,在食品、制药、环境监测、生命科学等领域有广泛应用。采用近红外漫反射光谱对浑浊散射介质进行成分定量分析时,由于光散射作用,介质吸光度随测量距离不再呈线性变化,不同测量距离下测量模型也很难转换。从扩散方程出发,提出了从漫射光谱中提取线性吸光度的方法,获得了与测量距离无关的介质光学参数--有效衰减系数的光谱,该光谱可反映介质吸收变化,并用于物质成分测量。具体采用了双位置差分法,可在线性吸光度的范围内任意选取两个光源-探测器距离测量,通过差分获得与测量位置无关的有效衰减系数光谱,其中测量距离可依据波段灵活地进行选择。另外,经理论推导可知,差分运算的同时还大大削减了光子扩散对测量的影响,有利于不同散射特性的介质间光谱模型的相互借鉴。经理论计算、蒙特卡洛模拟和实验验证,在1 000~1 360 nm波段,该方法适用于强散射的浑浊水溶液。对散射系数处于较大范围（28.53～87.47 cm-1）的intralipid水溶液进行了测试,获得了线性吸光度的光源-探测器距离范围。进一步以葡萄糖为被测成分为例,获得了葡萄糖在intralipid水溶液中的有效衰减系数光谱。采用测量距离连续可调的漫反射光谱测量系统进行了实验,测量范围位于0～0.3 cm,测试了3种典型的介质（3%,5%,10%Intralipid水溶液）。结果可知,3种介质中葡萄糖光谱呈现一致性,它们之间的测量模型可以方便地进行线性转换。研究对象intralipid水溶液常作为生物组织的仿体,其光学参数也覆盖了常见的牛奶、果汁等被测浑浊溶液,因此测量结果具有广泛的适应性。综上,该研究实现了对浑浊水溶液中物质成分线性吸光度的提取,该方法不仅使得测量位置的选择更加灵活方便,还有利于实现不同散射介质间模型的线性转换,特别适用于介质成分复杂多变的场合下的测量应用,如对人体组织、牛奶或食品中的成分测量等。     

一种针对作物生育期光谱迁移的修正植被指数

针对基于固定特征波长的植被指数不能适用于多个生育期叶绿素含量的诊断这一问题,研究优化提出一种基于双波长计算光谱覆盖面积的叶绿素诊断植被指数,用于稳健地诊断多生育期的营养。以拔节期、孕穗期和扬花期的冬小麦为研究对象,采集其325～1 075 nm范围的冠层反射光谱,测定采样样本的叶绿素含量。采用小波去噪和多元散射校正算法对光谱数据进行预处理。通过相关性分析,确定生育期特征波长的迁移范围,进而提出了基于光谱覆盖面积的冬小麦叶绿素含量光谱诊断参数(modified normalized area over reflectance curve, MNAOC）。以信噪比（SNR）和平滑度指标（S）进行综合评价,小波去噪函数的最佳参数为(“sqtwolog”,“mln”,“3”,“db5”)。相关性分析结果表明,生育期特征波段的迁移范围为（700 nm,723 nm）。在分析MNAOC指数对叶绿素含量诊断分辨率的基础上,以0.5 mg·L-1的分辨率建立一元线性回归模型的结果为：拔节期R2_c=0.840 1,R2_v=0.823 7;孕穗期R2_c=0.865 5,R2_v=0.817 4;扬花期R2_c=0.833 8,R2_v=0.807 6。与ratio vegetation index（RVI）等5种双波长植被指数对比表明,由于700和723 nm计算的光谱面积包含了由于生育期导致的光谱动态迁移特征,使得MNAOC指数在模型精度上和多个生育期的普适性上,都优于其他双波长代数运算植被指数,为大田环境冬小麦生育期叶绿素含量诊断提供支持。     

一种核磁共振波谱谱峰对齐及谱峰提取的方法

在代谢组学研究方法中,对一组具有生物学意义且平行的核磁共振波谱数据进行处理是其方法研究的关键,其中包含谱峰对齐、谱峰提取、噪音去除等几个步骤。该文提出了一种全新且快速有效的核磁共振波谱批量处理方法。其原理主要为：在保持波谱形状不发生变化的同时,通过平移目标谱使其与参考谱达到最大程度的相关,从而实现谱峰对齐及利用谱峰最大值的判断来实现谱峰变量的提取。此外,该文还结合大鼠尿样和血样的分析结果,详细地说明了算法的准确性及其它优点。该文所涉及的算法是基于Matlab程序进行编译的,可以结合不同实验进行改编,具有良好的扩展性。     

基于边缘区域不变矩的缺损扩展目标识别方法

该方法提出以基于边缘区域的局部不变矩作为识别特征,结合多神经网络实现对缺损扩展目标的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上,建立目标多个处理区域的BP人工神经网络,利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法能够对缺损扩展目标进行正确识别,特别对于有较大部分缺损的扩展目标识别有明显优势。     

基于扩展目标的不变矩跟踪算法

提出基于边缘区域的不变矩计算方法,在此基础上,针对在运动中形状、尺寸和方位不断变化的扩展目标,提出一种以不变矩作为跟踪特征,粗、精阶段相结合的相关跟踪算法,并根据目标图像的相关性给出一种新的跟踪置信度。实验结果显示算法迅速、有效、匹配精度高,对于复杂背景,较强噪声和运动状态发生变化条件下的扩展目标跟踪稳定可靠。     

POSC-PLS方法及其在电子吸收光谱定量分析中的应用

针对光谱数据局部效应显著,变量个数多,彼此间常存在严重的复共线性,构建了一种基于分段正交信号校正(piecewise OSC)的偏最小二乘(PLS)回归,即POSC-PLS方法。它以近邻分段方式进行逐个波长点的正交信号校正,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型。将该法应用于多环芳香烃电子吸收光谱的多组分定量关系建模,效果良好。所建模型的预报性能优于其他方法,而且模型所需PLS成分数减少,模型更简洁。     

基于边缘区域不变矩的缺损扩展目标识别方法

 该方法提出以基于边缘区域的局部不变矩作为识别特征,结合多神经网络实现对缺损扩展目标的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上,建立目标多个处理区域的BP人工神经网络,利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法能够对缺损扩展目标进行正确识别,特别对于有较大部分缺损的扩展目标识别有明显优势。     

基于叶片光学属性的作物叶片水分含量反演模型研究

叶片含水量是反映作物生理特性的一个重要参数,对生态环境的研究具有重要意义。采用小波分析方法,分析叶片含水量对反射率的影响特征,建立综合利用多波段信息的作物叶片水分含量反演模型。基于PROSPECT模型的辐射传输理论,推导出由叶片反射率光谱的小波系数反演叶片水分含量C_W的理论模型。利用六种常用的小波函数,对叶片组分水、干物质和白化基本层的吸收光谱进行小波分解。选取对水分变化最敏感,同时对其他组分不敏感的分解尺度和波段位置,找到能稳定突出水的光谱特征的小波系数。结果表明：bior1.5小波函数在尺度为200 nm,波段位置为1 405和1 488 nm的小波系数具有上述特征。建立由叶片反射率光谱的bior1.5小波系数反演叶片水分含量C_W的反演模型,模型有两个转换系数a和Δ都受叶片结构参数N的影响。利用PROSPECT模型生成模拟光谱数据集,校正建立的叶片水分含量反演模型中的两个转换系数a和Δ,并与LOPEX93实验光谱数据集结合验证反演模型。结果表明：反演模型不仅比传统基于植被指数的统计模型在精度上有提高(反演值与实测值的R2最高达到0.987),而且更加稳定,普适性更高。研究表明,小波分析方法在利用高光谱数据反演作物叶片水分含量方面具有独特的优势。