一种锐化误差小波EDXRF光谱解析方法研究

在轻元素自身和实测元素间的特征X射线相互影响之下，受仪器能量分辨率的制约，实测X射线荧光光谱会产生严重重叠。以色谱分离度Rs判定谱峰重叠程度，针对Rs低于0.3的重叠峰，提出一种解析EDXRF光谱的新方法，并对模拟X射线荧光光谱进行了新方法的验证。首先，详细介绍基于四阶导的峰锐化法和提出误差小波变换。通过仿真结果发现：当Rs=0.27时，两种方法皆不能单独实现重叠谱峰的解析与识别；然而，原始信号在四阶峰锐化法处理后保留了峰位特征的同时，还出现了Rs明显增大的有利现象。因此，只需要通过调节四阶峰锐化法的权重完成对低分离度重叠峰的初步锐化处理，再对锐化后的信号进行误差小波变换，结果实现了对模拟重叠峰的分解，证明了结合后的新方法(锐化误差小波变换)针对极低分离度的重叠谱峰具有强大的分解能力。对两组重叠谱峰采用叠加的高斯函数进行模拟，分别是Mn的K_β能量峰与Fe的K_α能量峰的重叠光谱(Rs=0.19)以及Al的K_α能量峰与其K_β能量峰的重叠光谱(Rs=0.11)。用新方法对谱线进行处理，实现了重叠峰分解，结...     

一种低原子序数元素EDX RF的多次导-样条小波解析方法研究

能量色散X射线荧光（EDXRF）光谱分析待测元素的信息主要反映在能谱的特征峰峰位以及特征峰净峰面积中。对于特征峰的准确检测是EDXRF光谱分析的关键。特征X射线之间的能量在低原子序数元素中相差很小,在实际测量过程中由其他一些因素干扰会导致EDXRF光谱中特征峰产生严重重叠,以EDXRF光谱中低序列元素的重叠峰作为研究对象,提出一种四次导数结合三样条小波变换处理低序列元素重叠峰的新方法。通过数学模型模拟重叠峰检测了该方法的可行性,并仿真了实测X荧光光谱数据进行检测得到良好的效果,通过使用了CIT-3000SY X 荧光元素录井仪实测T铅黄铜数据和混合轻元素数据荧光光谱作为验证。首先,介绍导数法以及三样条小波法分解重叠的原理。导数法阶数越高信号越畸形但可以有效提高重峰分离度,而三样条小波变换对低分离度重峰处理较为无力但能有效的保持峰型。通过Tsallis峰信号模拟重叠峰,模拟出3个峰信号,第1个峰和第2个峰的分离度R=0.33,第2个峰和第3个峰的分离度R=0.67,导数处理后信号任仍具有一部分重叠,但是导数处理后不仅保留了信号的峰位值,且出现了分离度变大的现象,而三样条小波对低分离度重叠峰的分解较为无力,但是对于分离度较大的重叠峰具有较好的效果,信号通过四次导增加分离度再进行三样条小波变换,通过调节样条小波分解层次的次数,然后对分解出的高频信号采取适当的系数进行放大,最后进行信号重构。实验实现了对模拟信号的分解。验证了此方法针对重叠峰分解具有可行性。实验采用分解4层的三样条小波变换以及放大6倍的高频信号。然后,处理仿真K元素的重叠光谱,实现了重叠峰的分解,通过仿真实验表明新方法能准确的识别峰位,结果表明只有1%之内的误差,证明了新方法对X荧光光谱重叠峰分解的适用性。最后用此方法对CIT-3000SY X荧光元素录井仪实测T铅黄铜元素数据以及混合轻元素数据X荧光光谱进行处理,实现了对重叠峰的分解,且分解后的峰位误差控制在1%之内,具有较高的准确率。实验结果证明：四次导数结合三样条小波变换能有效分离重叠峰,并且在处理X荧光光谱的重叠峰分解上具有实用性。     

基于高斯锐化法的重叠峰分解方法研究

在放射性能谱测量中,由于探测器分辨率较低、待测样品中原子能级相近,往往会出现全能峰的重叠现象,对放射性核素的定性或定量检测带来较大的困难;常规的分离算法一般需要复杂的谱变换或大量的标准谱样本,不适用于现场测量中重叠峰的实时分解。因此,提出一种基于高斯锐化法的能谱重叠峰解析方法(GSM),结合峰锐化法的分辨率增强能力和褶积滑动变换法的平滑特性,可快速地识别、定位和解析γ能谱中的重叠峰。该方法首先对高斯函数进行锐化并做归一化处理,并以此作为变换算子,选择合适的高斯参数及窗宽度,通过对原始γ能谱数据进行褶积滑动变换,达到滤波和提高重叠峰分离度的目的;然后求解GSM成形处理后的谱线近似函数作为目标函数,并选取峰位中心附近若干点作为初始参数,最后以非线性拟合的方法进行重叠峰特征峰参数的解析。实验中,首先验证了该方法变换前后峰位、峰面积特征值的不变性,其次分别对重叠峰能谱段以及MCNP模拟的131I,137Cs,214Bi,206Bi和26Al混合放射源γ能谱进行方法验证。实验结果表明,该方法对于分离度大于0.375、信噪比大于40 dB的重叠峰具有较好分解效果,分解前后的峰位和峰面积的相对误差分别在1%和4.5%以内;对于γ能谱进行全谱解析后,重叠峰的峰位分离相对误差在1%以内,单峰的分离相对误差约为0.1%以内,且当变换算子的半宽度接近探测器能量分辨率时,重叠峰的分解结果更准确。该方法具备较好的噪声抑制性能,在全谱解析中无需进行能谱光滑及本底扣除等谱线预处理操作,且计算资源耗费少,分解精确度较高,便于能谱测量系统的嵌入式实时解谱应用,对放射性测量中能谱的现场快速解析具有实用性。     

基于多峰协同和纯元素特征峰面积归一化的重叠峰快速解析算法

由于元素间特征峰的相互干扰,受实验仪器能量分辨率的影响,当多个元素的特征峰峰位相近且展宽较宽时就会形成重叠峰。以分离度低且分解需求精度高的重叠峰为研究对象,提出一种基于多峰协同和纯元素特征峰面积归一化的重叠峰快速解析算法,并结合实际的X射线荧光光谱进行了新方法的验证。选取镝铁合金的X射线荧光光谱图作为实例,在该实验条件下镝L_α特征峰和铁K_α特征峰形成的重叠峰分离度约为0.273 5,同时还存在分离度较大但荧光产额较低的镝L_β特征峰和铁K_β特征峰。首先,配置浓度范围(7.8～8.2 mg·mL^-1)的镝标液和浓度范围(1.8～2.2 mg·mL^-1)的铁标液进行测量获取到纯元素谱图,分别进行面积归一化处理并取平均得到镝L_α峰和铁K_α峰的归一化特征峰。然后,使用镝、铁标液混兑出铁元素质量百分比范围在19.1%～21%,梯度为0.1%的20组样品液进行测量。由于重叠峰部分仅由镝L_α峰和铁K     

基于多适应度量子遗传算法的X射线荧光重叠峰分解

智能算法在对谱峰重叠严重的复杂地质样品进行分析时,往往存在计算量过大、弱峰误差较大、收敛于局部极小值或不收敛等问题。量子遗传算法因其具有良好的收敛性,可用于X射线荧光光谱重叠峰的分解。针对X射线荧光分析过程中经常遇到的谱峰重叠问题,提出了一种基于元素关联高斯混合模型（GMM-ER）和多适应度量子遗传算法的重叠峰分解方法。首先介绍了基于元素K系和L系特征X射线的重叠峰GMM-EB模型。然后基于X射线荧光光谱的物理特性,对传统量子遗传算法进行了改进,引入了多适应度函数。由锰、铁、钴和镍的特征X射线产生一段谱峰严重重叠的模拟光谱,然后基于GMM-EB模型,分别用传统量子遗传算法和改进的多适应度量子遗传算法对模拟光谱进行了10次解析。实验结果显示,改进后的量子遗传算法的重叠峰分解精度平均提高了32.1%,最佳分解精度提高了73.9%。应用改进量子遗传算法进行分解时,含量比例低的元素分解精度得到较大改善,最佳情况下元素分解的相对误差范围缩小了64.5%。并且,改进算法收敛速度快于传统算法。该方法适合严重重叠谱峰的分解,且对弱峰有较高的分解精度。     

小波变换与高斯拟合在光谱重叠峰解析中的应用

利用小波变换对小波低频系数置零、高频系数阈值量化,实现了光谱信号的基线校正和谱线去噪;对光谱信号进行多尺度小波变换,搜寻各层小波系数模极值所构成的脊线,并对其中复合脊线进行校正,脊线中小波尺度参量最大时所对应的位置即为峰位;根据得到的峰位值,在最小二乘意义下寻找由多个单峰高斯函数叠加而成的最佳拟合光谱,得到谱峰峰强以及峰宽信息.利用该算法对含有基线漂移和随机噪声的光谱重叠峰进行解析,结果表明该算法能够较好地分离重叠峰,其中利用多尺度小波变换求解得到的峰位值偏差在±1.3以内,通过高斯拟合得到的峰强值偏差不超过8.5%.与现有算法求解得到的谱峰信息对比可知,本文所设计的光谱重叠峰解析算法具有一定优势.     

毛细管聚焦的X射线荧光光谱拟合软件的开发及应用

基于Python语言设计了一款毛细管聚焦的X射线荧光光谱拟合软件QMXRS（quantitative analysis of micro-energy dispersive X-ray fluorescence spectra）并实现其在毛细管聚焦的X射线荧光光谱拟合方面的应用。QMXRS具有小波降噪、本底扣除、能量刻度、元素特征峰的识别、分峰和拟合、能谱的批处理和元素分布成像等功能。毛细管聚焦的X射线荧光分析技术采用毛细管X光透镜对X射线源激发出的X射线束进行聚焦导致X射线荧光光谱分布发生改变。这一变化影响了毛细管聚焦的X射线荧光光谱本底分布。因此QMXRS利用本底预估模型对毛细管聚焦的X荧光光谱本底进行本底分布的修正;同时在全谱拟合过程中,利用半高宽与能量的关系对高斯峰半高宽进行约束,减少高斯峰模型中变量,在保证全谱拟合收敛的同时提高了拟合速度。为验证上述方法的可行性,分别利用QMXRS,PyMca(python multichannel analyzer)和QXAS(quantitative X-ray analysis system)三款软件分析NIST 610标准样品的毛细管聚焦的微束X射线荧光光谱,并对比三款软件的元素特征峰拟合结果。结果表明,相较于QXAS和PyMca采用的非最小二乘法拟合,QMXRS采用约束化的非线性最小二乘法进行拟合能有效的减少能谱拟合过程中带来的误差,提高分析数据的准确度。     

应用遗传算法拟合偏振X射线荧光重叠谱

X射线荧光光谱分析由于受能量探测器分辨率的限制,谱线重叠干扰严重。不采用合适的重叠谱峰分解或曲线拟合技术,很难进行成分定性和定量分析。样品中的元素及谱线未知、背景基线不确定和模型初始参数不准确是曲线拟合中的最大困难。有多种算法可应用于光谱分析中的曲线拟合。文章将遗传算法应用于永磁材料偏振X射线荧光中的重叠谱分解,研究了进化策略对谱峰分解质量的影响,比较了遗传算法与传统算法的拟合结果。研究表明遗传算法在谱线严重重叠情况下仍具有较强的谱峰分解能力;群体初始化和进化策略的正确选择是该算法成功应用的关键;遗传算法具有全局搜索能力,对重叠谱峰的分辨能力优于标准Marquardt-Levenberg算法。     

基于麻雀搜索算法的土壤重金属X射线荧光光谱重叠峰解析

近年来随着土壤重金属污染的加剧,和人们环境意识的逐渐提高,科研人员对快速检测土壤重金属含量方法的研究正在不断深化。目前,X射线荧光分析法(XRF)是广泛应用于土壤重金属污染检测的方法。但由于X射线荧光光谱仪的能量分辨率有限,而一些重金属元素的荧光产额较低,一些元素的相邻谱峰出现了重叠现象。针对XRF法中元素相邻谱峰的重叠问题,提出了一种基于麻雀搜索算法(SSA)的光谱重叠峰解析方法。首先,将从河北保定地区采样得到的土壤,制备出不同含水率、不同重金属元素含量的样本并用X射线荧光光谱仪获取原始光谱数据。接着,对光谱数据进行预处理,采用谱聚类算法剔除异常光谱样本,采用Savitzky-Golay五点二次去噪法和线性本底法完成对光谱的去噪和本底扣除,并对光谱净计数用随机数法生成大量模拟光谱数据,以备后续算法使用。然后,用期望最大化法(EM)对重叠峰进行初步解析,首先设置EM算法的初始参数,并将生成的模拟光谱数据代入EM算法,当达到迭代次数时,即可初步得到高斯混合模型(GMM)中各高斯峰的期望、方差和权重参数。但由于EM算法容易受初始参数设置的影响,且易陷入局部最优而导致结果不准确,还需对EM算法进一步优化。本研究采用SSA对GMM的各参数进行全局优化,在设置SSA算法的基本参数后,将100组由EM算法得到的参数作为该算法的初始种群,并设置合适的适应度函数,通过迭代,最终得到全局最优参数,实现了重叠峰的分解。SSA受参数设置的影响较小,相比于一些传统的优化算法,如遗传算法(GA)、蚁群算法(ACO)、粒子群算法(PSO)等,具有收敛速度快、不易陷入局部最优的特点,因此,采用此算法,可以达到较好的优化效果。通过对重叠峰解析结果的分析表明,该算法可在较少的迭代次数下得到较准确的解析结果,可广泛应用于能谱重叠峰解析。     

基于统计遗传算法的X射线荧光重叠峰分解

针对X射线荧光分析中相邻谱峰之间的重叠问题,结合光谱形成过程的随机物理特性,提出了一种基于高斯混合统计模型(Gaussian mixture statistics model, GMSM)和遗传算法的重叠峰分解方法。首先,提出了重叠峰的GMSM描述方法,并分析了期望最大化法(expectation maximization, EM)的局部收敛问题;接着,将GMSM参数看作个体基因,以重叠峰随机数据序列的对数似然函数作为适应度函数,并给出了目标函数值的快速算法;然后,采用遗传算法的群体搜索技术找出全局最优解,实现重叠峰分解。该方法将所有测量的随机数据都当作“有用”来处理,其“有用”程度由其概率大小来体现,实现了原谱数据的“零损失”,搜索到的GMSM是全局最大概率意义下的“最佳匹配”模型,符合放射性测量过程的随机性。通过对四个严重重叠峰分解的实验表明,分解后的峰位、峰面积及标准偏差具有较高精度,最大误差分别为0.7道, 2.3%, 2.17%,特别适合于严重重叠的情况,并可广泛用于其他能谱重叠峰的分解。     

基于小波变换的人血清血卟啉荧光光谱分析法

卟啉是生命活动的重要物质,原卟啉可做为肿瘤血液标志物.人血清中血卟啉含量很低,且受多种因素影响.基于小波变换的人血清血卟啉荧光光谱分析法可实现对其弱信号的分辨.用多功能光谱测量系统获取人血清血卟啉荧光光谱,对获取的荧光光谱通过数次小波变换进行分解,将噪声与光谱信号分离,滤波后的荧光光谱进行6次分解后得到了离散逼近信号(a1～a6)和离散细节信号(d1～d6).信号频率随着分解次数的增加逐步降低.当分解到第6次时,出现了血卟啉荧光特征峰,成功地观测到血卟啉的荧光发射峰,实现了弱信号分辨,得到了血清中所含血卟啉的准确成份和定量信息,从而进行定性和定量分析,为血清荧光光谱用于肿瘤的早期诊断提供了一种方法.     

基于小波变换的叶绿素荧光光谱测量系统研究

介绍一种基于小波变换的测量海藻中叶绿素a/b的全光纤荧光光谱在线测量系统.根据小波变换具有将频率按大小分解的特性,本系统将其与荧光法、光纤技术相结合用于含叶绿素a/b的藻类荧光光谱的测量、平滑和重叠荧光峰的解析.该系统具有小型化、结构简单、探头无源、所得光谱变形小、多参数同时测量等特点.实验证明,该测量方法是完全可行的.     

小波变换的EDXRF光谱金属组分特征峰位置识别

主要研究X射线荧光光谱金属组分特征谱位置的确定。依据不同金属组分的特征谱特性,分析了特征谱的选取规律,在奇异值分析理论和模极大值理论的基础上,分析了基于特征谱小波分解系数的模极大值提取方法,在不同分解尺度下的特点及其传播特性,提出了基于模极大值传播的区间特征峰筛选方法,并对实际测量光谱进行了实验分析。结果表明：利用bior4.4小波作为基函数对实验测量的全能谱数据进行4层小波变换,利用模极大值传播特性,可以消除全能谱上叠加的部分噪声对光谱分析造成的阶跃影响;为提高特征峰的位置识别概率,对小波变换中小于给定阈值的分解系数进行压缩,将实验获取的X射线荧光全能谱第4层小波分解系数直接进行特征峰识别,得到的677个峰值位置,压缩到186个;在此基础上,再采用模极大值传播的区间特征峰筛选方法,筛选区间初始值设置为600 eV,经识别得到的特征峰峰值位置仅为27个,识别准确率得到有效提高。     

X射线管激发X荧光光谱连续本底扣除方法研究

X射线管是目前X射线荧光光谱分析中最常采用的激发源,它所产生的原级谱成为了X荧光光谱中本底成分的主要来源,在对这种光谱进行进一步的分析处理之前需要对其本底进行扣除,对本底估计的准确性直接影响后续处理步骤的效果。对射线管激发X荧光光谱的成分进行了分析,针对其本底特点构造了一种本底强度的估计方法,并根据实测谱线构建了理论测试谱线以便对光谱处理算法的效果进行评价。该方法利用测得X射线荧光光谱中不包含特征峰的谱段对X射线管原级谱造成的本底成分进行估计,使用只包含连续本底的谱段对整个测量谱段进行插值,从而避免了谱线特征峰重叠或对半高宽估计不当时所产生的影响。利用构建的测试光谱对SNIP法、傅里叶变换法和本文的本底估计方法的使用效果进行了比较,使用该方法估计的本底与理论本底更加接近。结果表明使用的方法对X射线管激发的X荧光光谱的本底估计准确,可以采用这种方法对连续本底进行扣除,在对实际测得的X射线荧光光谱的本底扣除中取得了较好的应用效果。     

基于差分进化算法的X荧光重叠峰的分解

X射线荧光分析中相邻峰重叠的分解问题是十分常见的,谱峰重叠为谱的进一步定性分析和定量分析都带来了困难,而通过硬件手段来减少谱峰重叠的发生往往受资金和工作条件的制约,通常会选择通过数学手段得到重叠谱中各个子峰的相关信息来完成重叠谱的分解。结合光谱形成过程的随机物理特性,提出了一种基于高斯混合模型(GMM)的参数独立模型和参数关联模型,以及基于这两种模型和差分进化算法的重叠峰分解方法。GMM模型参数构成了差分进化算法个体基因,给出了目标函数的快速算法,通过随机生成初始种群,以种群中每个个体的适应度值和各个个体参数的约束条件为选择标准,避免了初值不当带来的局部收敛问题,并且将所有测量的随机数据参与到个体适应度值的运算当中,避免了原谱数据的损失。对模型参数相互独立和模型参数相关联两种情况进行了解谱分析,首先,对三峰重叠和四峰重叠进行仿真模拟分析,分解结果表明,基于GMM参数关联模型的解谱精度较GMM参数独立模型的解谱精度更高,三峰重叠时,参数独立模型和参数关联模型分别得到的权重最大误差为8.15%和2%,峰位最大误差为0.30%和0.06%,标准差的最大误差为7.5%和1.35%。四峰重叠时,参数独立模型和参数关联模型分别得到的权重最大误差为8.3%和4.3%,峰位最大误差为0.12%和0.13%,标准差的最大误差为5.04%和0.45%。然后通过实测三峰重叠谱的解谱分析表明,用这两种模型进行重叠谱的分解,分解结果相对误差和待测量元素的含量有关,随着待测元素含量的降低,分解结果精度会降低。仿真和实测都表明,基于高斯混合模型和运用差分进化算法的重叠谱进行解谱时,如果能够提前得到各个相互重叠小峰权重、均值、标准差之间的关系,建立GMM参数关联模型,减少寻优个体参数个数,对提高复杂峰的分解精度是非常重要的。     

X射线荧光测井谱漂校正技术研究

X射线荧光测井技术是一种可以在井下原位进行元素定量(半定量)分析的测井技术,对矿产勘查具有重要意义。受井下温度影响,X射线荧光测井仪容易发生谱漂。X射线测井仪采用硬件进行稳谱,采用软件实现微小谱漂校正。X射线荧光测井的谱数据量大,难以采用人工校正的方法实现。文章在总结了X射线荧光测量专业人员进行谱漂校正经验的基础上,结合专家系统研究了X射线荧光测井谱漂的校正方法。在谱漂校正过程中,采用对散射本底变化不灵敏的对称零面积法进行自动寻峰,并用标准方差进行指示峰判别。利用先验知识(上一次能量刻度)和高斯概率密度函数对当前指示峰进行定性分析,确定指示峰能量。将指示峰峰位和定性分析获得的能量值采用最小二乘法进行拟合,获得能量刻度系数,并对偏离较大的数据进行筛选,达到能量自动刻度目的,实现X射线荧光测井仪器谱谱漂校正。文章采用所述的谱漂校正方法对某次X射线测井仪温度实验的322条谱线进行校正,结果表明该方法能够有效地自动校正X射线荧光测井仪谱漂。     

人血清血卟啉荧光光谱的双正交样条小波识别

人血清中血卟啉含量很低,其荧光光谱强度很弱,往往呈肩峰形态,难以识别其位置和荧光强度。双正交样条小波可实现对其弱信号的分辨。在血清背景荧光光谱上叠加血卟啉荧光信号,并改变其荧光强度,得到一系列强度改变的 血清血卟啉荧光光谱。用双正交样条小波bior5.5对获取的荧光光谱通过7次小波分解,将背景与卟啉荧光信号分离,得到了离散逼近信号(a₁～a₇)和离散细节信号(d₁～d₇)。结果 表明,信号频率随着分解次数的增加逐步降低。当分解到第7次时,出现了血卟啉荧光特征峰。信号峰的位置随着信号强度的下降蓝移约2.5 nm,而通过小波滤波器提取的信号峰的位置不变。随着信号的强度降低,信号峰的位置逐渐消失 ,因而其荧光强度与荧光峰的位置无法确定,而通过小波滤波器提取的信号则不受影响,且灵敏度高,从而实现了用双正交样条小波对人血清血卟啉荧光光谱的识别。由于小波变换是线性变换,离散细节信号保持信号原有的线性关系,可 以用来对血清中所含血卟啉的准确成份和定量信息,从而进行定性和定量分析,为血清荧光光谱用于肿瘤的早期诊断提供了一种方法。     

基于小波变换的便携式X射线荧光光谱仪检测模型的建立与改进

应用便携式X射线荧光光谱仪对土壤中Cr,Cu,Zn,As,Pb等重金属含量进行检测, 每个样品扫描检测3次,利用小波阈值滤噪的方法对所测谱线进行光滑去噪处理后, 根据土壤重金属的标准值和相应的计数率(取三次处理后检测谱线的平均值)建立各重金属的标准曲线。运用小波阈值滤噪方法时, 为确定最佳的小波基和小波分解层数, 以信噪比(SNR),均方根误差(MSE)和信息熵(H)作为评估指标评价降噪效果。为验证仪器的稳定性, 根据土壤样品中重金属浓度的不同挑选部分样品并同时选用H₃BO₃(空白对照)进行重测。结果表明: 运用小波变换方法时,选取coif3小波基对谱线进行三层分解, 取得了最佳的去噪效果; 建立好模型后,仪器的决定系数R2范围是0.990~0.996, 表明在0~1 500 mg·kg-1范围内, 土壤样品中各重金属元素含量与X射线荧光光谱特征峰强度之间的线性关系良好; 经过重复检测和计算得知仪器的检出限均低于国家一级土壤标准。将小波变换的方法实际运用到X射线荧光光谱仪检测模型的建立与改进中,有效的提高了模型的准确性,同时经验证,仪器具有良好的精密度,可运用于实际土壤重金属污染的现场快速筛查。     

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具, 针对该方法中趋势项难以确定的问题, 提出一种基于双树复小波变换的方法, 实现了非平稳信号的多重分形自适应去趋势波动分析. 利用双树复小波变换提取信号的多尺度趋势和波动信息, 通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度, 使多重分形分析具有信号自适应性及较高的计算效率. 以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性, 所得结果与解析解相吻合. 与传统的多项式去趋势多重分形方法相比, 本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度, 所得结果更加精确. 对倍增级联信号时间序列取不同的长度, 验证了算法的稳定性. 分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较, 表明本文方法具有更精确的结果和更快的运算速度.     

基于DTCWT和稀疏表示的红外偏振与光强图像融合

针对红外偏振与光强图像彼此包含共同信息和特有信息的特点,提出了一种基于双树复小波变换和稀疏表示的图像融合方法.首先,利用双树复小波变换获取源图像的高频和低频成分,并用绝对值最大值法获得融合的高频成分;然后,用低频成分组成联合矩阵,并使用K-奇异值分解法训练该矩阵的冗余字典,根据该字典求出各个低频成分的稀疏系数,通过稀疏系数中非零值的位置信息判断共有信息和特有信息,并分别使用相应的规则进行融合;最后,将融合的高低频系数经过双树复小波反变换得到融合图像.实验结果表明,本文提出的融合算法不仅能较好地凸显源图像的共有信息,而且能很好地保留它们的特有信息,同时,融合图像具有较高的对比度和细节信息.