核磁共振谱图自动相位校正新方法——等密度点连线法

文中提出一种新的基于DISPA圆的自动相位校正方法,该方法利用谱峰两侧在复平面上数据疏密程度相等的点的连线的斜率,求出每个峰的相位角, 继而利用多个峰的相角与频率的线性关系得出准确的全谱相位的零级和一级校正值. 该方法不需要使用全部峰点,而且对于存在基线畸变和有重叠峰的谱图都能较好的处理. 该算法不需要迭代计算,实现简单,计算快速准确,已将其成功运用于自行开发的核磁共振数据处理软件ECNMR中.     

两步相移数字全息物光重建误差分析与校正

系统研究了两步相移数字全息干涉术中相移误差引起的波前再现误差的计算和校正方法. 基于衍射物光相位分布的随机性和振幅相位的相互独立性原理,介绍了相移数字全息中物光波前再现误差的表达形式,推导出步长为π/2的两步算法中物光重建误差的表达式. 通过进一步分析这一重建误差的结构和特点,结合物光表达式,给出了自动校正相移误差引起的波前重建误差的校正方法. 该方法无需增加测量,在未知相移误差大小的情况下,只对标准两步相移算法恢复的物光复振幅进行处理就可以实现对物光振幅和相位的同时校正. 计算机模拟结果表明,校正后可将 关键词： 相移干涉术 数字全息 物光重建 误差校正     

光栅投影测量系统中的相位误差校正算法

依据光栅图像的相位单调增长特性,提出了一种基于最小二乘法的单调光顺算法进行光栅相位误差校正。详细分析了光栅图像的相位单调特性和相位误差,以光栅图像相位的单调性为约束条件,改进了传统的最小二乘拟合方法,对绝对相位图进行相位误差校正。实验结果表明,该方法降低了投影仪伽马非线性造成的相位误差,误差减少60%以上,校正后的绝对相位具有光滑性良好的优点。     

基于能动分块反射镜的两路光纤放大器相位探测及其相干合成实验研究

在光纤激光相干合成中,需要探测各路光束之间的平移误差.提出了一种条纹提取算法,利用此算法能得到准确的相位平移扰动.基于此算法,针对两路光纤放大器测量了毫瓦量级的光纤放大器的相位噪声特性,然后采用高速数字处理电路以及能动分块反射镜完成了平移相位扰动的实时校正.实验结果表明,闭环前后条纹对比度从0.09提高到0.25,平移误相位噪声强度的幅值从1053.4 nm降低到116.7 nm,系统校正精度达到1/10λ,控制带宽约为50Hz. 关键词： 能动分块反射镜 条纹提取算法 相位扰动 光纤放大器     

数字全息中的自动相位畸变补偿算法

提出一种面向数字全息的相位畸变自动补偿方法,利用图像分割技术对被检测物体进行自动分割,生成相位掩模板,进而得到不含被测物体区域的畸变相位。基于相位畸变校正模型对畸变相位进行最小二乘拟合,最终实现相位畸变的自动补偿。实验中搭建了数字全息检测平台,并对晶圆表面进行测量,结果表明所提出的方法能够实现畸变相位的自动校正。     

基于极线局部校正的特征匹配方法

针对利用多视图像进行目标三维测量、结构重建时在极线约束下对直接区域灰度相关进行同名特征匹配常常失效的问题,提出了一种基于极线局部校正的特征匹配算法。介绍了极线约束匹配的原理,分析了相关方法在极线约束匹配中的缺陷以及在多种像机位姿配置下的图像特征间的约束关系,在此基础上提出了一种极线局部区域校正的方法,对待匹配区域进行校正使自动相关匹配能有效执行,结合最小二乘匹配得到了高精度的匹配结果。实验结果证明了新算法的有效性,大大提高了自动匹配的可靠性、速度和精度。     

扫频光学相干层析成像系统的波数校正与相位测量研究

相位敏感光学相干层析成像(OCT)系统可以用于高灵敏度的相位探测,在细胞分析、材料检测等方面具有重要应用,但扫频光源的不稳定性会影响扫频OCT系统的相位测量精度.本文提出了一种基于马赫-曾德尔干涉仪(MZI)时域相位信息的波数校正方法.利用MZI时域包裹相位的互相关运算确定各采集波数序列的相对偏移量,鉴于时域包裹相位的非严格周期特征,可确定偏移量的大小不受限制.依据相对偏移量对各序列信号进行时域同步,并基于同步后的MZI时域解包裹相位实施待测干涉信号在位相域的等间隔重采样.基于所提出的波数校正方法,实施了各扫频序列波数偏移量的校正,开展了基于位相信息的光程重复性测量实验.结果表明,即使在不稳定扫频光源的前提下,也能获得高精度的相位测量结果.     

一种基于场景的红外焦平面阵列非均匀性校正算法

针对IRFPA器件在工程使用中固定图案噪音会发生漂移及探测元响应呈现非线性的特征,提出了一种以二次方程表征的响应特性数学模型,并利用场景数据的卡尔曼滤波算法,对其实施双校正。本算法较基于线性模型的非均匀性校正算法具有更好的校正效果,仿真实验结果验明了算法的优越性.     

基于多种小波分解方法综合判决的低误报率分布式光纤围栏入侵监测系统

针对相位敏感光时域反射计型分布式光纤围栏入侵监测系统对外界干扰敏感、误报率高的问题进行了深入研究,比较了多种小波提取入侵信号突变特征方法,并提出一种基于多个小波分解结果进行综合判决来降低分布式光纤围栏误报率的方法.实验结果表明,多种小波分解可以分别提取不同层次的突变细节信息,为综合决策提供更完备的信息和条件,比单一判决...     

基于全相位谱分析的剪切光束成像目标重构

剪切光束成像技术是一种非传统散斑成像技术,能透过扰动介质对远距离目标进行高分辨率成像.本文提出了一种基于全相位谱分析的图像重构算法,利用全相位谱分析对回波信号数据进行预处理,可有效抑制频谱泄露,校正散斑频谱,消除多种因素引起的频率漂移误差,得到准确的散斑强度和相位差,提高实际成像环境的系统成像能力.仿真结果表明:该图像重构算法有效抑制了频率漂移对成像质量的影响,当信号存在频率误差时,其成像效果大大优于基于传统傅里叶变换谱分析的重构算法.     

基于L-M算法的反向传播网络的湿度传感器输出误差补偿研究

针对湿度传感器的输出非线性问题,提出了基于L-M算法建立BP神经网络进行补偿校正,实现电阻湿度传感器的输入与输出非线性补偿,并与共轭梯度算法、拟牛顿算法所建立的神经网路模型进行对比,重点比较了模型误差性能、收敛速度。结果表明：基于L-M算法建立的神经网络模型,在收敛速度、误差性能等方面具有更高效的表现,更适合湿度传感器的非线性特性的补偿校正。     

一种积分时间自适应调整的非均匀性校正算法

提出一种实时校正方法,在非均匀性校正的过程中根据当前场景信息自适应调整积分时间.首先获取不同积分时间下的背景噪音并进行存储,根据特定的阈值控制积分时间的切换;进而将探测器输出减去相应积分时间下的背景噪音后作为神经网络的输入,从而不断地更新校正参量.这样既能有效弥补神经网络校正算法在低频噪音占优时的不足,降低由于积分时间改变引起的非均匀性,又能够补偿系统的温漂.对真实的红外图像序列实验表明,文中提出的算法在积分时间切换的同时可以得到合适的校正参量,并保证校正后的图像质量,能够实现实时校正.     

An enhanced non-uniformity correction algorithm for IRFPA based on neural network

Influenced by detector materials’ non-uniformity, growth and etching techniques, etc., every detector’s responsivity of infrared focal plane arrays (IRFPA) is different, which results in non-uniformity of IRFPA. And non-uniformity of IRFPA generates fixed pattern noises (FPN) that are superposed on infrared image. And it may degrade the infrared image quality, which greatly limits the application of IRFPA. Non-uniformity correction (NUC) is an important technique for IRFPA. The traditional non-uniformity correction algorithm based on neural network and its modified algorithms are analyzed in this paper. And a new improved non-uniformity correction algorithm based on neural network is proposed in this paper. In this algorithm, the desired image is estimated by using three successive images in an infrared sequence. And blurring effect caused by motion is avoided by applying implicit motion detection and edge detection. So the estimation image is closer to real image than the estimation image estimated by other algorithms, which results in fast convergence speed of correction parameters. A comparison is made to these algorithms in this paper. And experimental results show that the algorithm proposed in this paper can correct the non-uniformity of IRFPA effectively and it prevails over other algorithms based on neural network.     

A new adaptive nonuniformity correction algorithm for infrared line scanner based on neural networks

The striping pattern nonuniformity of the infrared line scanner (IRLS) severely limits the system performance. An adaptive nonuniformity correction (NUC) algorithm for IRLS using neural network is proposed.It uses a one-dimensional median filter to generate ideal output of network and can complete NUC by a single frame with a high correction level. Applications to both simulated and real infrared images show that the algorithm can obtain a satisfactory result with low complexity, no need of scene diversity or global motion between consecutive frames. It has the potential to realize real-time hardware-based applications.     

基于灰色神经网络模型的企业碳排放峰值预测

为预测企业碳排放峰值,帮助企业设计碳排放的减排路径,需要对企业碳排放峰值预测方法进行研究。当前采用基于TFDI模型的预测模型对企业碳排放峰值进行预测,预测过程中无法全面考虑企业碳排放影响因素,导致预测企业碳排放峰值出现误差。为此,提出一种基于灰色神经网络模型的企业碳排放峰值预测模型。该模型是以灰色模型为基础,与神经网络相融合构建的灰色神经网络,将模型中企业碳排放原数据进行叠加,并用微分方程表示,将VSTE算法作为灰色神经网络模型预测的基础算法,计算企业碳排放路径碳排放值,满足高斯分布随机函数,以此进行企业碳排放峰值的预测。实验结果证明,所提模型可以准确预测企业碳排放峰值,有效帮助企业设计碳排放减排路径。     

基于炉口辐射和改进神经网络的转炉终点预测模型

针对国内外转炉炼钢终点控制的现状,建立了一种用于终点预测的神经网络模型.以炉口辐射信息获取系统为实验平台,运用光纤谱分复用和颜色空间模型转换技术.分析发现了光谱与图像信息特征量在吹炼过程中晕现出中前期类似、末期相反的规律.从得到的特征规律曲线中选用一些关键特征量,在改进的修正系数算法基础上,进行了模型的训练和预测分析.实验结果表明:响应时间在2 s以内,满足快速判定的时间要求;改进算法的模型预测精度高于常规算法,该系统可以止常工作在转炉炼钢的恶劣环境下,达到了预期效果.     

Evaluation of algorithms for analysis of NMR relaxation decay curves

Quantitative processing of NMR relaxation images depends on the characteristics of the used fitting algorithm. Therefore several common fitting algorithms are compared for decay curves with low signal-to-noise ratios. The use of magnitude data yields a non-zero base line, and is shown to result in an overestimation of the decay time. A simple base line correction is no solution since this yields an equally large underestimation due to overcorrection of the first part of the curve. The use of squared data does yield reliable results, but only in the case of monoexponential decays. The best fitting algorithm under all experimentally occurring conditions turns out to be using real data after phase correction. A phase correction scheme is proposed, which applies to all imaging experiments for which the phase of the pixels is constant over the echo train. This scheme is validated for a phantom and for a tulip bulb.     

基于BP网络的图像增强器像元通道不一致性校正研究

像元通道响应不一致性是影响图像增强器检测能力的重要因素,因而有必要对不一致性进行校正。首先分析了传统的不一致性校正方法的缺点,然后提出了一种基于BP神经网络的像元通道响应不一致性的校正方法。该方法利用BP神经网络良好的非线性映射能力,对每一个像元通道进行输入-输出特性的反非线性逼近,同时利用实验数据进行了神经网络的训练。对比了校正前后的图像及标准差。     

基于小波系数图和卷积神经网络的太赫兹光谱物质识别

许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。吸收峰提取法是常用的光谱特征提取算法,但当光谱无明显特征吸收峰或峰位、峰值相近或难以识别时,难以利用吸收峰特征辨别物质。将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰,但常常需要人为定义特征而导致分类误差。深度学习法能自动提取特征,但在识别前往往需要进行复杂的预处理操作,并且在特征提取的过程中容易丢失部分特征从而导致分类误差。针对以上问题,提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。利用太赫兹光谱信号进行小波变换时,由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系,因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开,能得到不同的二维的频率-尺度分布图,又称小波系数图。然后构造一个卷积神经网络(CNN)对小波系数图进行分类,可得到太赫兹光谱物质的分类结果。为了验证所提出算法的有效性,将三组小波系数图数据与原始光谱数据分别输入CNN、Support Vector Machin (SVM)、Multilayer Perceptron (MLP)三种不同的分类器作对比,从实验结果可以发现本文算法在三组数据中的识别率均达到了100%,说明相比于传统方法,本文方法能准确分类没有明显特征吸收峰的光谱,证明了使用卷积神经网络识别小波系数图的有效性。为了体现本文算法的优势,与小波脊线寻峰识别算法作对比,实验结果表明本文算法几乎不受峰频、峰位、峰值的影响,无论是识别不存在吸收峰的淀粉,还是识别相似度高的蔗糖和葡萄糖,都具有较高的识别率,分类准确率达97.62%,证明了所提算法的优越性。该算法为太赫兹光谱数据识别提供了一种新思路,同时也可以推广运用到其他谱图物质的识别中。