基于红外光谱对野生冬虫夏草不同部位的识别

冬虫夏草作为著名的传统中药材,由于其良好的药用价值而备受青睐。目前多数工作集中研究其活性成分含量以及药理药效。而对其不同部位的识别研究较为匮乏。基于红外光谱数据,结合化学计量学对多维度复杂体系的解析优势对冬虫夏草不同部位进行分类识别。首先对野生冬虫夏草五个不同部位包括子座头、子座中、头部、虫体中段、虫体尾段总共808个光谱数据使用标准正态变换(SNV)、多元散射矫正(MSC)进行数据预处理。而后用竞争自适应再权重取样(CARS)、变量组合种群分析(VCPA)挑选具有代表意义的特征变量。最后使用偏最小二乘判别分析(PLS-DA)、线性判别分析(LDA)进行建模预测分析。模型对训练集使用十倍交叉验证,以准确率(Acc)作为评价指标。结果表明,在该数据上PLS-DA模型在10倍交叉验证和独立测试集上的预测准确率分别是90.1%和92.0%,而使用LDA模型时,预测准确率分别降低到86.7%和85.8%。采用CARS和VCPA特征挑选方法可有效将特征从3 601维分别降到699和420维,同时保持预测准确率与全部特征的预测准确率相当。而挑选的特征波数630,625,1 024,1 028,1 084和1 089 cm-1与虫草的甘露醇相关,879和874 cm-1与虫草的多糖相关。通过对挑选的波数进行Wilcoxon rank-sum检验进一步表明虫草五个部位之间存在显著差异。研究表明化学计量学方法结合红外光谱能够有效识别冬虫夏草不同部位,有助于在分子层面上加深对冬虫夏草形成的认识,为针对虫草不同部位高效利用提供参考。     

水中目标回波亮点统计特征研究

礁石和海洋动物引起的混响是主动声纳最严重的干扰, 如何区分礁石、鱼群和水中目标一直是制约主动声纳识别技术的难点问题. 针对礁石与目标回波难以区分的问题, 从特征识别的应用角度, 研究水中复杂目标全方位回波亮点特征的有效表征和应用方式, 基于目标回波亮点模型, 提出拷贝相关器输出的目标散射函数估计方法, 给出对目标回波亮点相对关系进行定量分析的目标回波特征统计表征方式, 并基于湖上实验提取了物理机理明确的目标回波亮点统计特征, 使得目标时间-角度谱中所蕴含的目标特征信息能够很直接地转化为主动声纳易于应用的目标特征. 关键词： 水中目标 回波亮点 统计特征     

黄土高原中部秋季干湿的年际和年代际环流异常特征及与海温的多尺度相关性研究

黄土高原地区作为气候敏感区和生态脆弱区地表干 湿状况的年际和年代际变化特征十分明显. 但以往主要是针对夏季进行分析, 而对黄土高原秋季干湿变化规律及大气环流机理的认识非常有限. 本文基于中国589站最近50 a (1961–2010年)月降水和气温月平均资料、NCEP/NCAR提供的再分析资料以及NOAA提供的海表温度(Sea Surface Temperature, SST) 资料, 运用带通/低通滤波、小波分析、EOF/REOF和回归分析等方法, 在对中国秋季干湿时空演化分类的基础上, 通过研究秋季黄土高原中部干湿演变周期、大气环流特征及与海温的多尺度相关关系, 以揭示影响黄土高原中部秋季干湿变化的物理机理, 并确定影响该区域干湿状况的前兆信号. 小波功率谱分析表明, 黄土高原中部秋季干湿指数存在准4 a和准8 a的周期, 1970–1990年准8 a尺度周期振荡尤为明显. 年际(周期≤ 8 a) 尺度上偏湿年的大气环流特征是, 欧亚大陆中高纬呈“双阻型”, 200 hPa西风急流显著北移, 日本海-鄂霍茨克海受反气旋控制, 其底部的偏东水汽输送带将水汽输入研究区. 年代际(周期 > 8 a)尺度上偏湿年的大气环流特征是, 东亚大陆为一致的低值系统; 200 hPa东亚副热带西风急流减弱北移, 研究区主要水汽来源由经孟加拉湾在中南半岛转向的南风水汽输送及中纬度的西风水汽输送组成. 整个序列上, Nino3区SST指数(Nino3I)超前5个月与秋季干湿指数已呈显著的负相关关系, 而孟加拉湾–中国南海SST指数(BayI)则超前3个月与干湿指数呈现显著的负相关关系. 年际尺度上, 秋季Nino3I, BayI均与秋季干湿指数存在显著相关(准4 a, 4–6 a), 而年代际尺度上, 只有BayI与秋季干湿指数存在显著相关性(准10 a). 黄土高原中部秋季干湿的年际和年代际周期的确定、大气环流异常特征的认识及与海温的多尺度相关关系的建立, 不仅揭示了影响该区域干湿变化的物理机理, 也为干旱气候预测提供了重要的前兆信号. 关键词： 黄土高原中部 干湿特征 海表温度 小波分析     

多传感器大视场成像系统设计及关键技术研究

为完成大幅面静态图像的采集,设计了基于多传感器阵列的大视场成像系统。提出了一种改进的基于SIFT算子的图像匹配方法对采集的图像进行匹配,有效地降低了误匹配率。推导了目标视场角与图像间重叠区域的关系以及成像平台参数和图像间重叠区域的关系,用于计算图像间的重叠比例,并只在重叠区域内进行特征点的定位、图像的匹配及拼接,有效地缩短了图像拼接时间。提出了一种改进的重叠区域渐入渐出融合算法对图像进行融合,得到了理想的融合效果。     

完全可压缩渗流驱动问题的特征线有限元方法及其误差分析

多孔介质中渗流驱动问题数值方法的研究，对合理经济地开发油田，了解地下油水运动规律有一定意义。特征线法结合差分或有限元法解渗流问题，在理论和应用上获得了成功３－５，但还有很多问题需进一步研究２．前人研究多是假定流体不可压或微可压，本文研究一类完全可压缩两相驱动问题。采用特征线法与有限元法相结合，构造并分析了全离散数值格式，基于周期性假设，证明了最优Ｌ２模误差估计。     

基于小波变换的适合Quick Bird遥感影像的融合方法

在分析了IHS变换、PCA变换、Brovey变换、加权融合、PMⅠ(Proposed methodⅠ)等一般融合方法的基础上,针对Quick Bird全色与多光谱影像的融合,提出了基于átrous小波变换的小波比值方法;然后通过目视判别、定量统计参数两种方法对各融合结果进行了比较.结果表明,小波分解层数为3的小波比值方法既很大程度地提高了空间纹理细节信息,又高度保持了原始多光谱影像的光谱特征,适合于Quick Bird遥感影像融合.     

平行平板光学参数的快速高精度测量方法

提出一种基于特征多项式的波长移相干涉测量方法。首先,将该方法与两步绝对测量法结合,对多表面干涉技术进行理论研究;然后,以特征图和特征多项式理论为基础设计出一种加权多步波长移相算法,用于对平板的表面面形、光学厚度变化以及光学均匀性信息进行提取计算,并通过移相算法的评价函数及其傅里叶表达式展示了算法对误差的抗扰度;最后,将该算法与OPL算法进行对比。结果表明,所提方法在不同厚度平行平板光学均匀性的测量上具有速度快、精度高的优势。     

增强小目标特征的多尺度光学遥感图像目标检测

针对光学遥感图像目标分布密集、尺度变化范围较大及小目标特征信息过少等造成目标检测精度不高、泛化能力差等问题,本文提出了一种增强小目标特征的多尺度神经网络（ESF-MNet）。首先在骨干网络中引入注意力模块构建出高效层注意力聚合结构,以增强特征提取能力;此外,在浅层特征图与颈部网络融合之前加入感受野增强模块,以捕获不同尺度的上下文信息。其次,使用GSConv构成颈部网络,减少网络层参数量,保持网络的特征提取能力,并通过基于内容感知的特征重组模块提高识别精度。最后,采用下采样率分别为4、8和16倍的三个下采样模块作为头部网络输入,来提高小目标的检测效果。为了证明该方法的有效性,在DOTA数据集和NWPU NHR-10数据集上进行实验,平均检测精度分别达78.6%和94.3%,计算复杂度为94.7 G,整体模型大小为26.2 M。该方法具备检测精度高、计算复杂度低、模型权重小等特点,能有效提高小目标的检测精度,进一步改善光学遥感图像小目标检测性能。     

无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明：各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数：0.85,提取误差：1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数：0.79,提取误差：9.34%)提取效果最好...     

番茄苗期叶位色素含量高光谱检测及可视化研究

叶片色素含量是表征作物栽培基质营养元素和生理状态的重要指标;快速、精准获取色素含量及叶位分布规律是设施农业水肥精准化管理的基础。以番茄苗期不同叶位叶绿素a(Chla)、叶绿素b(Chlb)、叶绿素(Chll)和类胡萝卜素(Caro)为研究指标,用营养液配制10个氮素浓度;根据叶片位置摘取1 710片(285个样本)用于可见光-近红外高光谱采集;运用卷积平滑(S-G)、标准正态变量变换(SNV)和多元散射校正(MSC)对光谱数据预处理。首先采用竞争自适应加权算法(CARS)对特征波段“粗”提取,然后利用迭代和保留信息变量算法(IRIV)判断“粗”提取波段的重要性,并对强弱波段组逆向消除“精”提取最优波段集合,建立偏最小二乘回归(PLSR)模型。结果表明：(1)营养液氮素浓度为302.84 mg·L^-1,叶片色素含量最大,且高浓度的抑制作用高于低浓度,叶位色素含量呈上叶位>中叶位>低叶位分布规律;(2)采用CARS-IRIV-PLSR算法“粗-精”特征波段筛选策略分别对Chla、 Chlb、 Chll和Caro提取了4、 4、 10和11条特征波段,其R<...