高光谱图像预处理方法研究及进展

高光谱图像预处理方法在高光谱图像处理中具有重要意义,有效的预处理方法可以尽可能地减少甚至消除无关信息(如样品背景、电噪音和杂散光等)对高光谱图像的影响,为后续基于高光谱图像的数据分析提供更为可靠的数据来源.基于高光谱图像谱图合一的数据结构特点,该文综述了直方图均衡化,中值滤波,边缘检测等图像预处理方法以及平滑,导数,标准归一化,多元散射校正等光谱预处理方法,并给出了这些方法的应用实例.该文还详细介绍了傅立叶变换和小波变换这两种基于数据压缩和信息提取的光谱预处理方法.这些新方法的研究为后续的数据分析奠定了良好的基础.     

基于BP神经网络的刮擦式指纹识别算法研究

该文针对刮擦式指纹识别中辨识率不高、算法不稳定等问题,提出了一种基于BP神经网络的指纹识别算法。在通过指纹传感器采集好指纹图片后,拼接成完整的指纹图片,首先通过中值滤波降噪、二值化等图像预处理方法获得了增强后的指纹图像,运用基于网格的八方向梯度特征对指纹图像进行特征点提取,最后采用BP神经网络对指纹图像进行识别。通过仿真进行验证,与其他两种算法进行对比分析,仿真结果表明了该方法的有效性。     

一种基于BP网络和决策融合的高光谱遥感图像分类方法

BP神经网络在用于高光谱遥感图像分类时,其初始权值的选取对分类结果有很大影响.针对这种情况,提出了一种将BP神经网络与决策融合理论相结合的高光谱遥感图像分类方法,该方法将多个结构相同、初始权值不同的BP神经网络的分类结果进行融合,最后把融合结果作为原图像的最终分类结果,以实际的高光谱遥影像为例,说明该方法能够有效地提高遥感影像的分类精度.     

基于BP神经网络的有价证券序列号识别

有价证券快速鉴伪一直是金融领域重点研究课题,该文针对有价证券序列号识别速度慢、效率低的问题,提出了一种基于BP神经网络的有价证券序列号模式识别算法。算法首先通过中值滤波降噪、二值化等方法将光学传感设备获得的有价证券原始图像进行预处理,然后采用基于网格的八方向梯度特征对序列号进行特征提取,最后通过训练后的BP神经网络对有价证券序列号图像进行识别,得到有价证券序列号。仿真结果对比表明了该方法的有效性。     

基于LS-SVM和高光谱技术的玉米叶片叶绿素含量检测

为实现玉米叶片叶绿素含量的快速无损测定,采集不同氮素水平的玉米叶片,制备校正集样本60个,验证集样本16个,获取400～1 100 nm波段范围的高光谱数据和相应叶绿素含量.采用变量标准化、13点平滑、一阶导数3种预处理方法结合,根据相关系数图谱选择470～760 nm波段作为光谱数据分析对象;利用最小二乘支持向量机建...     

利用近红外光谱技术的葵花籽品质分析

葵花籽作为中国需求量很大的油料作物,常用的化学检测方法虽然准确性高,但是时间久,破坏样本完整性,难以实现快速检测。为了研究近红外光谱法快速无损检测葵花籽中蛋白、脂肪及水分含量的准确性,使用454份葵花籽样本近红外光谱数据及蛋白质、水、脂肪三个含量信息为测试对象,随机选取其中383份作为测试集,71份作为验证集,对测试集使用不同的预处理方法之后分别进行PLS(partial least-square method)和BP神经网络建模,并通过验证集对模型进行预测分析。结果发现:①PLS模型预测中发现小波变换的预处理方法对蛋白质含量的预测最好,小波变换的预处理方法对水分含量的预测最好,标准化的预处理方法对脂肪含量的预测最好;②BP神经网络预测中一阶导数+均值中心化对蛋白质含量的预测最好,一阶导数对水分含量的预测最好,一阶导数+标准化对脂肪含量的预测最好。比较两种神经网络模型的预测结果,PLS模型预测精度要高于BP神经网络模型。     

基于相关系数与光谱差异法的草莓光谱特征信息提取

为深入分析诸光谱预处理与特征信息提取方法的精确性,以湖北省广泛种植的丰香与晶瑶2种草莓为研究对象,测定其糖度与水分值,采用高光谱成像系统采集其光谱数据,并对原始光谱进行反射率校正,通过采用各种不同的光谱预处理与特征信息提取方法对其进行分析比较,获得草莓糖度与水分的最佳光谱预处理与特征信息提取方法.结果表明:丰香草莓水分的最佳光谱预处理方式为"Savizky-Golay平滑-1阶导数-标准正态变换";丰香草莓糖度与晶瑶草莓水分的最佳光谱预处理方式均为"移动平均平滑-2阶导数-多元散射校正";晶瑶草莓糖度的最佳光谱预处理方式为"Savizky-Golay平滑-2阶导数-标准正态变换".采用光谱差异法与相关系数法相结合的方法对草莓光谱进行特征信息提取,综合了相关系数法的精确性与光谱差异法的直观性,避免复杂的运算,同时保证所选取的特征波长具有较好的代表性,最终将光谱维数从520降到80左右.     

基于近红外光谱技术的葵花籽品质分析

葵花籽作为国内需求量很大的油料作物,常用的化学检测方法虽然准确性高,但是时间久,破坏样本完整性,难以实现快速检测。为了研究近红外光谱法快速无损检测葵花籽中蛋白、脂肪及水分含量的准确性,本文使用454份葵花籽样本近红外光谱数据及蛋白质、水、脂肪三个含量信息为测试对象,随机选取其中383份作为测试集,71份作为验证集,对测试集使用不同的预处理方法之后分别进行PLS和BP神经网络建模,并通过验证集对模型进行预测分析。结果发现:(1)PLS模型预测中发现小波变换的预处理方法对蛋白质含量的预测最好RMSECV=0.343,RMSEP=0.296,小波变换的预处理方法对水分含量的预测最好RMSECV=0.299,RMSEP=0.354,标准化的预处理方法对脂肪含量的预测最好RMSECV=0.285, RMSEP=0.316;BP神经网络预测中一阶导数+均值中心化对蛋白质含量的预测最好RMSEP=0.341,一阶导数对水分含量的预测最好RMSEP=0.329,一阶导数+标准化对脂肪含量的预测最好RMSEP=0.312。(2)BP神经网络模型与PLS模型预测对比发现,PLS模型预测精度要高于BP神经网络模型。     

基于GA-BP神经网络的金精矿品位的预测

在对金矿生产过程进行大量实际调研工作的基础上,分别采用BP神经网络和遗传算法优化BP神经网络的方法,建立了金精矿品位的预测模型,以现场采集的978组数据作为样本,运用噪声平滑技术进行数据预处理,筛选了770组数据,运用其中的650组数据建模,并运用其余的120组数据对模型进行了验证.通过对两个模型的预测误差分析,得出用遗传算法优化的BP神经网络(GA-BP)预测精度更高,当预测相对误差在±2%范围内时,模型的预测精度达到97.5%.     

Gabor滤波和蚁群优化BP神经网络的人脸识别

研究了使用Gabor滤波和PCA主成分分析法来实现人脸特征提取并使用蚁群优化BP神经网络进行人脸识别的方法.首先,使用Gabor滤波器对预处理后的图像生成不同尺度和方向下的特征向量,然后使用PCA主成分分析法对特征向量进行压缩,为了提高BP神经网络对表情的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的各参数,最后使用优化后的BP神经网络进行训练和人脸识别.仿真实验表明文中的方法能有效地实现对人脸表情进行分类,且较其他方法具有更高的识别率.     

基于变参数的远程康复训练机器人神经网络控制

为使患者的远程康复训练达到更为理想的效果,针对患者在训练时肌肉痉挛对双向遥操作系统的稳定性以及对从机械手的速度平滑性的影响,提出了一种新的基于BP神经网络变参数控制方法.通过检测患者训练时力、加速度、速度、位置等的变化,采用BP神经网络自动调整从端控制参数,从而消除了系统的不稳定性和减少了对系统平滑性的影响,并具有很强的鲁棒性.分析和仿真试验结果表明,此方法与传统的控制方法相比,可有效地克服患者因肌肉痉挛带来的干扰并具有较好的稳定性和平滑性.     

近红外分析中光谱预处理方法的研究与应用进展

光谱预处理方法在近红外光谱分析技术中占居重要地位。本文综述了均值中心化、标准化、归一化、平滑、导数、正交信号校正等常用的光谱预处理方法,着重介绍了傅里叶变换（FT）、小波变换（WT）两种基于变量压缩和信息提取的光谱预处理方法。     

高光谱成像技术快速预测冷鲜鸡胸肉的嫩度

本试验研究了基于近红外(900~1700 nm)高光谱成像技术快速预测不同冷藏时长(0~6天)的鸡胸肉嫩度.通过对原始光谱信息进行S-G卷积平滑及Baseline基线校正预处理,并采用偏最小二乘回归算法(PLSR)构建光谱信息与嫩度参考值之间的定量关系.结果显示,全波段原始光谱及预处理光谱构建的PLSR校正模型和预测模型相关系数R均大于0.90,预测效果良好.经回归系数法,从原始光谱、S–G卷积平滑预处理光谱及Baseline基线校正预处理光谱中分别筛选出20、20和19个最后波长,构建优化的RC-PLSR模型,预测相关系数分别为0.91、0.89及0.93,均方根误差分别为2.33、2.45及2.03.相比之下,经S-G卷积平滑预处理构建的PLSR模型和RC-PLSR模型预测效果均最优.研究表明,近红外高光谱成技术结合PLSR可实现对鸡肉嫩度的快速无损预测.     

叶绿素含量BP反演模型的光谱信息输入因子构建研究

植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型。高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时主成分分析(PCA)能够很好地降低模型输入因子的维数并可简化网络结构。以盆栽玉米为研究对象,在玉米叶片光谱数据对数变换并一阶微分处理的基础上,针对叶绿素含量的BP反演模型,提出了基于相关系数(CC)、WPT和WPTPCA的输入因子构建方法,并形成了叶绿素含量的CC-BP、PCA-BP及WPT-PCA-BP三种反演模型。通过比较玉米叶片叶绿素含量的实测值与三种BP模型反演结果,表明基于WPT-PCA构建BP模型的输入因子数量虽仅有6个却并不影响其反演精度,也能包含原始光谱的92%信息,且优于基于PCA和传统CC所构建输入因子的BP模型反演能力。     

LM算法在神经网络语音识别中的应用

输入语音信号中声音的特征提取和分类识别可以通过多层前馈神经网络大量学习实现,但基于误差反向传播的前馈神经网络(BP神经网络)标准算法收敛速度慢,在训练中效率不高。采用一种快速稳定的Levenberg-Marquardt算法进行语音识别,通过对语音信号的预处理、特征提取和网络结果优化,建立了网络训练样本集,用MATLAB进行了仿真,仿真结果表明,该算法优于传统的BP算法,具有更好的收敛性。     

基于果蝇——广义回归神经网络优化的WSN节点定位算法

针对无线传感器网络(WSN)基于测距的定位算法中,利用节点坐标计算方法获得的节点坐标位置存在较大误差的问题,提出一种无需进行坐标计算的果蝇—广义回归神经网络(FOA-GRNN)优化的WSN节点定位算法.该算法利用广义回归神经网络(GRNN)较快的学习速度和较强的逼近能力建立WSN节点定位模型,通过果蝇优化算法(FOA)调整广义回归神经网络的平滑参数,降低调整平滑参数时人为因素的影响,由神经网络直接输出未知节点坐标.仿真实验表明,通过果蝇算法优化的FOA-GRNN模型的节点定位精度比未经优化的GRNN模型的节点定位精度高.同时,比较了FOA-GRNN模型与BP神经网络模型、虚拟节点BP网络模型(VNBP)在WSN节点定位中效果,表明FOA-GRNN模型在WSN节点定位精确性方面具有明显优势.     

枸杞产地的小波变换红外光谱的聚类分析鉴别

采用傅里叶变换红外光谱(FTIR)对不同枸杞样品产地进行鉴别.常规预处理方法和小波变换对红外光谱原始数据进行了预处理.对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正,说明小波变换是一种有效实用的光谱预处理方法.对已预处理后的红外光谱数据进行主成分分析和聚类分析,结果 18份枸杞样品聚为主产地和非主产地两大类,取得了较满意的分类效果.这种红外光谱技术结合聚类分析法被证明是可靠的,可作为枸杞产域鉴别的一种现代化方法.     

氮素营养诊断方法的应用现状及展望

阐述了土壤、植物氮素营养诊断方法的原理、优缺点及其应用情况，提出应用高光谱遥感和叶绿素荧光进行氮素营养诊断的可能性，并对完善氮素营养诊断方法和拓宽诊断内容提出了见解。     

基于小波分析的近红外光谱数据预处理

近红外光谱中常常包含一些与待测样品性质无关联的干扰信息,为了使建立的定性或定量分析模型更加稳健、可靠,常常需要对测定的光谱数据进行预处理.结合大豆油脂酸价的近红外光谱分析方法,对由瑞典波通公司的DA7200型近红外光谱仪记录的36组大豆油脂样品光谱数据,采用小波变换的阈值去噪方法进行预处理,对比常用的窗口移动平滑预处理,说明了小波变换是一种有效实用的光谱预处理方法.     

高噪声散斑条纹图像滤波技术的比较

在高噪声散斑条纹图中含有大量的噪声,这些噪声极大的影响了图像的质量.条纹图像处理之前一般的要进行图像预处理,通常选用滤波的方法来去除散斑噪声.笔者介绍了目前常用的滤波方法:均值滤波、中值滤波、频域低通滤波和同态滤波等,利用MATLAB编程实现了这些滤波方法,通过比较对散斑图的滤波效果,以及比较通过这些滤波方法滤波后的图像的方差,平滑指数等各项数字指标,总结了各方法的特点.