多波长透射光谱特征提取结合支持向量机的水体细菌识别方法研究

实现水体致病菌的快速识别检测对防控由水体微生物污染引起的大规模疾病爆发有重要的现实意义.生化鉴定、核酸检测等常规细菌检测方法存在耗费时间长、需要精密的实验仪器等特点,不足以满足水体细菌微生物的快速实时在线监测.由于细菌的多波长透射光谱包含较丰富的特征信息,并且这项光谱检测技术具有快速简便、无接触、无污染等优点,近年来成...     

视频监控下利用改进型C3D-RF的人群异常行为检测

传统基于卷积神经网络(CNN)算法的人群异常行为检测方法由于采用二维卷积核提取图像特征,故无法准确捕捉视频流在时序上的动态特征.为此,提出一种基于改进C3D网络与随机森林(RF)算法相结合的检测方法.利用具有时间特征捕捉能力的C3D网络进行视频流梯度方向直方图(HOG)特征提取,并作为三维卷积核输入以实现对视频时空特征...     

利用改进型AAGD算法的红外小目标检测

针对红外目标检测中小目标检测精度较低的问题,提出了一种利用改进型平均绝对灰度差(AAGD)算法的红外小目标检测。针对AAGD算法的缺点,在其基础上,融合灰度与显著性特征,用于核相关滤波器,以解决红外目标特征简单且信息量少的问题;提出一种自适应双滑动窗口,针对不同区域调节聚合窗口形状及像素点权重,以实现高强度结构背景附近的机动目标的匹配,提高小目标检测的准确度;利用MATLAB仿真平台对所提方法进行实验论证,结果表明,所提方法能够在噪声、高强度锐利边缘和结构背景等复杂图像中准确检测出小目标,且其准确度、稳定性、执行时间等方面均优于其他对比方法。     

基于局部高斯混合特征提取的高光谱图像分类

为了进一步提高高光谱图像的分类精度,提出一种基于局部高斯混合特征提取的分类(LGMFEC)方法.LGMFEC方法首先基于高光谱图像的空间结构为每个样本构建局部邻域集合,然后从局部邻域集合中提取高斯混合特征来充分表征空间-光谱信息及相关变化信息,最后将局部高斯混合特征融入包含黎曼核函数的支持向量机(SVM)分类器中,从而...     

基于拉曼光谱的电线绝缘材料老化状态评估

电线绝缘材料老化状态的准确评估有助于减少因电线绝缘老化引起的火灾,该实验基于拉曼光谱检测平台及自行搭建的老化设备,对13种电线绝缘材料(聚偏氟乙烯、聚丙烯、聚四氯乙烯、尼龙、亚大尼龙、聚氨酯、乳胶、聚全氟乙丙烯树脂、橡胶、聚乙烯、聚氯乙烯、硅胶、进口硅胶)进行加速温度老化以及加速紫外老化试验并定期检测,温度老化10个时间段,时间间隔为32 h,每个老化时间15个样本数据,获得温度老化的每种材料共150个样本光谱数据;紫外老化13个时间段,时间间隔16 h,每个老化时间15个样本数据,获得紫外老化的每种材料共195个样本光谱数据。依据老化时间段,温度老化分为10类,紫外老化分为13类,采用线性回归分类和支持向量机对原始光谱数据进行分类,两种分类算法准确率均在80%以上的材料有尼龙、聚氨酯、特氟龙、橡胶等,但部分材料的分类准确率却低于70%,在对原始光谱数据进行支持向量机分类时,由于样本数量多以及光谱维度高,支持向量机分类所需时间较长,为进一步提升分类准确率以及分类速度,对原始光谱数据进行迭代自适应加权惩罚最小二乘法、五点三次平滑等预处理方法,采用PCA压缩,样本光谱维数从2 048维降至...     

基于XY双变量特征提取策略的秸秆炭热值LIBS定量分析

农业生物质能已逐步成为我国现代工业主要清洁能源之一。利用激光诱导击穿光谱（LIBS）技术实现秸秆炭热值（CV）精准预测。针对传统X自变量特征提取方法在LIBS定量分析秸秆炭CV过程中缺陷问题,提出了一种XY双变量特征提取法。研究首先分析了秸秆炭CV与各元素含量之间相关性,选取与CV相关性极显著（p<0.01）的Y型特征变量,其主要获取了以炭单质、芳香环和羧基等形式存在的C,O,H和Na元素的分析线展宽波段;同时通过筛选偏最小二乘回归（PLSR）模型回归系数阈值获取与CV相关的X型特征变量,当阈值为4×10-5时模型交互验证均方根误差（RMSECV）降至最低值,其所对应的变量主要为参与农作物生理生长的Ca,Cr,Mg和K元素的分析线光谱线。基于所提取XY双特征变量构建遗传算法优化及自适应增强的人工神经网络（GA-BP-Adaboost）模型,当变异概率、交叉概率和相对误差率（RE）分别设为0.1,0.95和0.01时,最优模型预测平均相对误差（AREP）和预测相对标准误差（RSDP）分别为2.39%和2.97%,相比于XY-PLSR模型效果分别较低了0.82%和0.91%。结果表明：XY双变量特征提取法结合GA-BP-Adaboost模型可以为生物质炭在工业使用过程中CV精确定量预测分析提供方法依据。     

基于SoC的海天背景下红外斑状目标检测技术

基于红外目标检测的算法在军事和民用领域发挥着重要的作用,然而,在低信噪比条件下,对于飞机、船舶等红外斑状目标的检测存在难度大,误检率、虚警率高等困难。对此,提出了一种基于机器学习的红外斑状目标的算法,检测像素面积在3×3到100×100的红外目标。算法部分采用了形态学方法对目标进行预提取,并使用HOG特征提取与SVM机器学习分类出真实目标。算法分别在大、中、小三个尺度的目标检测上实现了94.01%、92.86%和92.19%的检测精度。此外,在SoC平台上实现了该算法,在低资源使用率的基础上,算法具有很高的实时性。     

基于拉曼光谱技术的桑椹花色素苷快速检测研究

花色素苷是一种天然的水溶性黄酮类色素,具有多种药用价值,广泛存在于桑椹中,成为评价桑椹产品品质的重要指标。传统检测方法费时费力,因此实现花色素苷含量的快速检测对于桑椹产品的开发利用至关重要。该研究以桑椹中的花色素苷为研究对象,探索花色素苷与拉曼光谱特性之间的关系及拉曼光谱技术对其定量检测的可行性。对桑椹及3种花色素苷标准品的拉曼光谱进行了分析,其中可将545,634和737 cm-1处的峰位作为桑椹中花色素苷的拉曼特征峰,以此判断桑椹中是否含有花色素苷,并根据其峰值的高低来定性判断花色素苷含量多少。运用多元散射校正（MSC）、基线校正（airPLS）、归一化（Normalized）三种方法及其组合方法进行光谱数据预处理,并结合PLSR筛选最佳预处理方式。比较发现最佳预处理为airPLS+MSC+Normalized,其PLSR模型效果较好,建模集决定系数为0.97,RMSE_c为2.74,预测集决定系数为0.82,RMSE_p为13.69。基于airPLS+MSC+Normalized预处理后的光谱,采用竞争性自适应重加权算法（CARS）对光谱进行特征波长筛选,将筛选出的波长变量作为输入变量分别建立了PLSR模型和SVR模型,研究两种模型的预测效果。结果表明经过CARS处理的两种模型均能对花色素苷的含量进行准确预测,其中经过CARS变量筛选建立的SVR模型效果最好,建模集决定系数为0.98,RMSE_c为1.92,预测集决定系数为0.94,RMSE_p为4.70,预测精度较高。因此拉曼光谱技术可以实现对桑椹中花色素苷含量的快速、准确预测。     

非相干成像双目视觉系统的误差分析

影响双目视觉系统测量精度的因素很多,目前系统结构参数对测量精度的影响主要有光轴与基线的夹角、基线距离、水平视角、物距以及透镜焦距等。由于孔径尺寸直接影响成像分辨率,是决定双目视觉测量精度的核心因素,因此依据非相干成像理论,对双目成像过程进行仿真和实验,采用加速鲁棒特征算法对所成的图像对进行特征提取与匹配,获取其视差值,并且计算其视差均方根误差来表征系统误差。研究结果表明,系统误差随着透镜孔径大小的增大而减小,并且趋于饱和。该研究可以为双目系统设计过程中系统参数和孔径尺寸的选取提供理论和实验依据。