基于光谱特征的玉米品种高光谱图像识别

为了对玉米种子进行无损识别分类,对玉米种子的高光谱图像的光谱信息进行分析,探索高光谱图像技术在玉米种子识别分类上的可行性。利用波长范围为400～1 000 nm的高光谱图像采集系统采集11类共528粒玉米样本的高光谱图像;在每个玉米样本上提取感兴趣区域并获取此区域的平均光谱信息,对光谱曲线进行分析,去除12个奇异样本;结合偏最小二乘判别分析法对所选玉米种子样本识别分类。实验结果表明,在所选玉米样本的识别中训练集样本的识别精度可以达到99.22%,测试集样本的识别精度也达到了94.66%。研究结果表明,不同种类的玉米种子的光谱信息具有一定的差异性,利用高光谱图像技术提取其光谱信息对玉米种子品种进行无损识别分类是可行的。     

高光谱数据湿地植被类型信息提取

以美国Sacramento-San Joaquin三角洲为研究区,利用高光谱和高空间分辨率遥感影像HyMap数据,在光谱特征分析和实测数据的基础上,构造特征指数,建立决策树分类模型对湿地植被进行分类。研究结果表明,湿地植被在近红外波段(0.75~1.3μm)上有明显的光谱特征差异,根据这些差异,可以构造合适的特征指数,实现湿地植被在物种水平上的识别。     

生物表面光谱特性识别的神经网络方法

给出一种光纤探头式生物表面光谱测试系统，该系统可以测量生物表面反射光谱。同时通过比较正常与反常生物表面反射光谱，利用BP神经网络模型，实现生物表面特性的自动分类和识别。对水果表面特性进行诊断分析实验，取得了良好的结果。实验结果表明，多层BP神经网络能够排除测量误差，对重叠的生物表面反射光谱有较强的识别能力。     

植被高光谱遥感分类方法研究

结合具体的OMISI高光谱遥感数据，对各种常用植被高光谱遥感分类方法进行分类训练，通过比较分类性能，得到各种方法在植被高光谱分类中的若干应用规律和分类过程中选择最优分类方法的一些技巧。在此基础上，提出将传统分类方法与基于光谱特征匹配的分类方法相结合对高光谱图像进行分类的方法。     

基于随机森林算法的航空高光谱数据分类方法研究

高光谱数据具有光谱范围广,光谱分辨率高等优势,可以用于不同地物的分类识别,为近年来遥感领域的研究热点。采用随机森林算法对机载高光谱数据进行了地物分类识别研究,首先选取不同种类的地物样本,并对每类样本打上类别标签,每个像素包含的波段数即为样本的特征数,送入随机森林分类器进行训练;然后将训练好的分类器对待分类的高光谱影像数据进行分类,待分类的数据初始化为统一的类别标签;并根据袋外数据自变量的扰动对分类精度的影响,计算不同波段特征对分类效果的重要性系数。实验采用C++语言结合Intel Open CV计算机视觉库,编写了高光谱影像分类识别程序,对机载AISA高光谱传感器获取的甘肃省张掖市农村与城市影像数据进行分类,结果表明本文算法具有较高分类精度和可靠性。     

基于光谱技术的稻飞虱虫害聚类研究

为了实现可靠的稻飞虱虫害诊断,使用PR715光谱辐射度计采集了健康水稻叶片、有幼虫寄生的叶片、单个体成虫及参考白板的光谱值,获得各个阶段稻飞虱病虫害的光谱。由于原始光谱在谱线的两端噪声比较大,因此用滤波方法对光谱进行平滑处理,得到相对平滑的反射率光谱曲线。采用主分析、欧式距离和余弦3中方法进行聚类分析,其中主成分分析、余弦的分类正确率为100%,欧式距离的平均分类正确率均为：92.24%,相对较差。实验结果证明,光谱分析方法在一定程度上能快速、精确提取稻飞虱病害的信息,实现聚类分析,为对稻飞虱病虫害进行快速、精确和非破坏性诊断提供技术支持。     

基于HJ-1A1B卫星多光谱的油菜菌核病监测研究

为探索基于卫星平台的油菜菌核病遥感监测方法,于2011-2012年在新疆伊犁第四师77团油菜生长季节,对选定的健康、病害油菜地块叶面积指数（LAD、花面积指数（FAI）和角果面积指数（PAI）及光谱指数进行了研究。结果显示：健康油菜与病害油菜的归一化植被指数（NDVI）、比值植被指数（RVI）和差值植被指数（DVI）在发病前无明显著差异,但在发病之后有显著或极显著差异,基于显著差异性光谱指数采用的4种病害与非病害油菜分类方法中,以最大似然法分类结果与田间调查结果最接近,其kappa系数为0．72,达到高度的一致性。结论：利用NDVI、RVI和DVI可区分病害油菜与健康油菜,最大似然法是病害油菜与健康油菜分类的最佳方法,利用环境卫星多光谱数据进行油菜病害监测是可行的,精度符合生产要求。     

基于黏菌优化极限学习机的煤矸石多光谱识别

煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提,针对传统方法存在效率低、需加装辐射 隔离以及受环境干扰等诸多不足,提出了基于多光谱图像特性和光谱特性来识别煤和矸石,构建黏菌优化极限学 习机(Slime Mold Algorithm Extreme Learning Machine,SMA-ELM)的分类模型。 搭建多光谱数据采集系统完成煤与 矸石的光谱图像采集,通过 LBP 对光谱图像进行特征提取并使用 PCA 主成分分析对提取后的特征向量降维,输入 SMA-ELM 分类模型、蚁狮优化极限学习机(Antlion Algorithm Optimized Extreme Learning Machine,ALO-ELM)分类 模型、鲸鱼优化极限学习机(Whale Algorithm Optimized Extreme Learning Machine,WOA-ELM)分类模型进行对比, 重点研究不同波长响应下煤和矸石的辨识精度来筛选最佳波长,通过多评价指标对优化后的最优波段进行比较。 实验结果表明, SMA -ELM 分类效果最佳,第 6 波段为最优波段, SMA - ELM 在该波段的平均识别准确率为 95. 08%,煤和矸石的识别 F1-Score 分别为 96. 47%和 92. 68%,用时 10. 6 s。 所提出的方法可以实现煤和矸石的精 准识别,这对煤和矸石的智能分选具有重要的研究意义。     

用高光谱微分指数识别冬小麦条锈病害研究

人工田间诱发不同等级小麦条锈病,在不同生育期测定染病冬小麦冠层光谱和相应的病情指数。对小麦冠层一阶微分光谱进行分析,结果表明随病情指数增大,一阶微分光谱在绿边(500～560nm)内逐渐增大,在红边(680～760nm)内逐渐降低。红边内一阶微分总和(SDr)与绿边内一阶微分总和(SDg)的比值,能够在症状出现前12d识别出健康作物与病害作物。因此,微分植被指数SDr/SDg能够较为理想地识别作物病害信息。     

基于血液光谱的物种检测技术

提出一种基于血液光谱数据识别血液来源物种的光谱检测技术.设计制作了一套可以采集抗凝管血样光谱的检测设备,使用该设备采集了649个血样的光谱数据,建立了一个小型的血液光谱数据集.为了满足物种识别的需求,建立了一种基于数据驱动的建模方法.使用该方法对样本数据集进行交叉验证,可以达到95%的识别准确率,并发现该准确率随着样本数量增加而升高.     

Analysis of fusion gene and encoded photopigment of colour-blind humans

In humans, long-wavelength-sensitive and middle-wavelength-sensitive cone pigments are encoded by genes lying in a head-to-tail tandem array on the X chromosome. Deficiencies in red-green colour vision seem to arise from unequal recombination of these normal X-linked genes. In some dichromats this recombination is believed to yield a fusion gene encoding a product with an absorption spectrum similar to that of one or the other of the normal photopigments. Until now, however, such a relationship between the structure of a pigment gene and the spectral properties of its encoded pigment has not been directly shown. We have now sequenced a fusion gene isolated from a red-green colour-blind human and determined the spectral properties of the pigment that it encodes. The absorption spectrum of the photopigment was very similar to that of normal middle-wavelength-sensitive photopigment, even though about half of its DNA coding sequence seems to be derived from a gene encoding normal long-wavelength-sensitive pigment. These results indicate the regions of the X-encoded photopigment apoproteins that are responsible for differences in their spectral tuning, and imply that the striking variations in colour vision among anomalous trichromats of a particular type are not attributable to anomalous pigments with differing spectral peaks.     

荷兰红芹中微量元素的X射线荧光光谱测定法

提出了荷兰红芹中微量元素的Ｘ射线荧光光谱分析方法。熔珠江制备试样及标准试样。并提出了用重吸收剂技术和高倍稀释技术联用消除基体效应的方法，同时研究了谱线干扰的消除方法，此法可广泛应用于多种药用植物中的微量元素分析。     

频率估计的多段差频正弦信号加权融合算法

针对多段差频正弦信号,提出一种基于加权融合的频率估计算法,用以提高低信噪比条件下短时正弦信号的频率估计精度,扩展多段信号融合法的适用范围。为消除各段信号频率不等对频谱分析的影响,根据各段信号间频率差生成差频修正矩阵,对多段差频正弦信号频谱进行同频化处理;为消除各段信号相位不连续对频谱分析的影响,构造具有相位连续特性和降噪特性的加权因子,对同频化的多段差频正弦信号频谱进行加权融合,得到最优加权融合频谱;最后,谱峰搜索最优加权融合频谱,实现高精度频率估计.仿真实验表明,与现有算法相比本文算法估计精度高、抗噪性好、普适性好,特别在低信噪比、短时时宽下性能优良.     

码分复用数字音频水印嵌入方案

结合人耳听觉特性，用扩频方法在音频信号中的听觉不敏感区域嵌入多路数字水印，从而实现码分复用．在对嵌入信息的检测中，除了少量系统参数外，数字水印的提取不需要原始信号，并且毋需精确同步．实验表明，该水印具有很好的隐蔽性；尤其是对常见攻击，MP3编码具有良好的稳健性．     

基于改进IHS变换的遥感图像融合新算法

为改善IHS变换对图像细节信息的丢失,提出了一种基于改进IHS变换的遥感图像融合新算法.针对IHS变换方法对多光谱图像和全色图像进行融合会丢失较多的光谱信息,利用基于变异量子行为的粒子群优化算法（MQPSO）改进IHS变换过程,通过MQPSO算法来求解IHS变换中光谱强度分量,将图像融合问题归结为最优化问题.仿真实验结...     

基于小波变换的遥感图像融合算法

提出了一种基于小波变换的遥感图像融合的新方法。给出了梯度滤波器的矩阵形式，改进了Petrovic提出的灰度图像融合方法，并将其应用于ETM图像融合。和两幅原图像及灰度融合图像相比，新方法是有效的，不仅较大地增强了图像的空间细节表现能力，而且很好地保留了多光谱影像的光谱信息。     

基于噪声短时谱动态估计的语音增强谱减算法

针对谱减法增强语音后残留音乐噪声明显,影响语音清晰度的问题,在分析现有的噪声谱减算法基本特性的基础上,提出一种基于噪声短时谱动态估计的语音降噪方法。通过估计噪声短时功率谱及其变化趋势,动态调整谱减法中的过减系数,有效抑制残留噪声。仿真实验表明,新的谱减算法在提高语音信噪比的同时保持较小的失真度,具有较好的增强效果。     

遥感影像融合方法比较研究

影像融合是提高遥感影像特征提取、分类、目标识别能力的重要手段;为比较不同融合方法的融合效果,采用基于低通滤波的IHS变换融合法、PCA变换法、高通滤波法和Gram-Schmidt变换融合法对北京某地区的SPOT-5全色影像和TM多光谱影像进行融合试验,并采用均值、标准差、信息熵和相关系数4个评价指标对结果影像从信息保留性和光谱保持性上进行评价;结果表明:在4种方法中,Gram-Schmidt变换融合法在信息量的保持上具有最大优势,光谱保持性与PCA变化法持平;高通滤波法在对信息量的保留和光谱信息保持均较好,但融合结果的亮度性最差。     

基于叠加编码的时间压缩转发中继协议

传统重复编码解码转发中继具有简单、易实现的特点,在无线通信中得到了广泛的研究.重复编码的采用使得中继接收和转发必须占用同等的信道资源,这在中继信道各链路质量存在差异的情况下会导致系统频谱效率低下.为此,文中提出了一种基于叠加编码的中继协议,利用叠加编码在信息速率调节方面的灵活性,既保证重复编码的使用,又允许对中继转发时间进行适当压缩,进而均衡各链路负载.理论分析及仿真表明,在信源及中继至信宿的组合链路较好的情形下,基于叠加编码的中继协议实现了更高的频率利用率.     

基于全相位谱线插值的电力谐波检测方法研究

传统基于FFT的谐波检测方法在非同步采样或非整周期截断情况下会产生严重的频谱泄漏,为抑制频谱泄漏对谐波检测精度的影响,提出基于全相位谱线插值的电力谐波检测新方法.该方法使用全相位谱实际频点附近的三根离散谱线获得频率和幅值校正量,并利用离散全相位谱峰值谱线相位即为对应的实际频率相位的特点,无需另加校正即可实现较高的相位精度.利用全相位谱旁谱线相对于主谱线按平方衰减的特性,并结合旁瓣衰减速度快的Nuttall四项五阶余弦窗,可有效抑制基于FFT谱线插值算法相邻谐波成分的相互干扰,提高谐波检测精度.通过与三谱线插值法和全相位时移相位差法的仿真对比实验,结果表明文中提出的算法具有更好的谐波检测精度.