基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的.综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900 nm的高光谱图像数据,通过主成分分析提取547 nm波长下的特征图像.     

基于特征提取的高光谱数据分类

目的提出高光谱数据的分类流程,以取高光谱数据对地物具有更高的光谱分辨率的优势,避其巨大数据量和波段间强相关性的弱势。方法应用辨别分析和决策面特征提取方法。结果减低了数据量,优化了高光谱信息。特征提取对高光谱信息优化处理十分有效,并达到了高维信息数据降维和高效利用的可行性。结论在一定的分类精度范围内,减低维数而不丢失信息,可以提高分类器的效能,实现高维遥感数据的优化处理和高效利用。     

高光谱成像技术及其在农产品检测中的应用

高光谱成像是一项将光谱与成像科学相结合的分析技术,本文介绍了高光谱成像的基本原理和系统构成,指出其优点及不足之处,并讨论了高光谱在农产品检测中的一些应用。     

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。     

水果成熟度的高光谱成像无损检测研究

水果成熟度作为衡量水果品质和等级的一个重要指标,区分不同成熟度的水果可以降低水果在采摘、包装、储存、运输等物流环节的损失率.高光谱技术是一种新型光谱技术和计算机视觉融合技术,它可以从图像维和光谱维对水果的综合品质进行评价.分析了国内外将该技术应用于水果成熟度检测方面的研究进展,提出了利用高光谱图像技术检测枣和梨成熟度的方法,利用不同成熟度的水果在可见光及近红外波段的反射率,初步确定了利用高光谱成像技术检测枣和梨2种水果成熟度的有效特征波长.     

近红外光谱技术在林业领域的应用

近红外光谱技术是一种快速、准确、无损、高通量、低成本的分析技术,广泛应用于林业领域。在木材性质检测方面,近红外光谱技术对于木材力学特征及化学成分含量等检测都有较高的准确性;在经济林产品品质分析方面,则主要用于反映林业产品的化学组分及含量、口感及硬度等直接和间接性状,对经济林产品品质及林木遗传育种的研究有较好应用前景;在林木分类鉴别应用方面,近红外光谱能够鉴别不同树种及种源,乃至反映树龄信息,在多物种模型中应用效果更好;近红外光谱还能够有效区分多物种的正常植物体与染病植物体,可在林木病虫害研究及生物检疫方面发挥作用。此外,近红外光谱还能应用于预测森林凋落物分解速率、预测土壤成分含量等。笔者分析了近红外光谱在林业科研和生产实际应用中的影响因素,包括样品状态、样本集特征等内在因素,以及预处理、波长选择、建模方式、硬件条件等外在因素对最终模型稳定性和准确度产生的影响。总结认为,近红外光谱技术引入林业研究后大大提高了林业样品检测效率,实现了绿色无损的高通量检测,对林地现场快速测量及林木遗传育种有极好的适应性,对促进林业产业的发展意义重大。     

一种面向高分五号高光谱影像的云检测算法

云层覆盖影响高光谱影像的质量,降低了影像的应用价值,因此云检测已成为高光谱影像应用需首要解决的问题之一。本文针对GF5高光谱影像特点,提出视觉彩色特征和云物理光谱特征相结合的云检测算法。基于原始DN值影像,利用云的HSV色彩空间分布特征,结合云与典型地物的光谱特征差异,构建出云概率影像,动态设定云检测阈值,实现GF5高光谱影像的云检测。该算法整体云识别精度在90%以上,且算法执行快、自动化程度高,对不同地区、不同时间的GF5高光谱影像都有一定的适应性,便于工程化应用。     

基于广义判别分析的高光谱影像特征提取

为提高高光谱影像地物识别的精度与速度,采用基于核方法的广义判别分析进行高光谱影像的非线性特征提取.研究了广义判别分析的数学模型、模型求解方法及特征提取过程,并进行了高光谱影像特征提取与分类实验.结果表明:样本点在特征空间中,同类目标大体聚集成团,异类彼此分离,具有良好的紧致性,特征提取结果优于线性判别分析结果.     

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。     

面向混合像元分解的光谱维小波特征提取

根据线性混合模型的特点,探讨面向混合像元分解的光谱特征提取与选择,提出以小波低频系数为特征的混合像元分解方法.高光谱像元矢量进行离散二进小波变换后,提取光谱特征影像,再基于特征影像估计出混合像元的组分,并用AVIRIS合成影像验证该分解方法.实验结果表明,良好的光谱特征能够较大地提高遥感混合像元的分解精度,比原始波段分解的精度提高约23%.     

联合空谱信息和Gabor特征的高光谱人脸识别算法

提出一种采用高光谱图像的人脸识别算法.根据人脸肤色在可见光范围内的光谱特征进行波段选择并依据人脸结构特征,对选定波段的灰度图像进行Gabor特征提取.最后分别进行特征层上的融合识别和决策层上的融合识别.特征层融合的权重系数由反射率和正确识别率共同决定,决策层融合算法采用"最高票当选制"原则.利用香港理工大学的高光谱人脸数据库对进行验证.结果证明,本文算法在识别速度和正确识别率方面都得到了显著改善,在3幅训练样本情况下,正确识别率达到96.5%.相对于全波段参与识别,识别速度提高了约3倍.      

冬小麦典型多参量冠层高光谱反演的光谱指标敏感性研究

高光谱遥感反演作物参量多集中在单一参量研究上,缺乏多参量综合反演研究。因此,面向多参量反演,需要对传感器参数的有效设置,以及同一指标对不同参量的适宜程度进行综合研究。以冬小麦为例,通过实测冠层光谱反射率和LAI、叶绿素、氮素含量数据,分析了中心波长、波段宽度、信噪比等指标的变化对各参量定量模型的影响,及光谱指标对LAI、叶绿素和氮素定量模型反演的敏感性和有效性,以及对冬小麦典型参量高光谱遥感反演的光谱指标进行了综合性分析。结果表明:反演冬小麦LAI的最佳植被指数为DVI(R~2=0.457,RMSE=0.614%),对应的最佳指标为:中心波长为768 nm和732 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦叶绿素的最佳植被指数为MSR(R2=0.554,RMSE=0.548%),对应的最佳指标为:中心波长为768 nm和736 nm,波段宽度在5 nm以内,信噪比大于70 d B;反演冬小麦氮素的最佳植被指数为NDVI_(g_b)(R~2=0.733,RMSE=0.600%),对应的最佳指标为:中心波长为500 nm和454 nm,波段宽度为5 nm以内,信噪比大于70d B。植被指数SAVI在一定波段范围内可同时反演LAI、叶绿素和氮素;MSAVI、DVI、RDVI和NDVI均可在一定波段范围内同时反演LAI和叶绿素含量,而反演LAI和氮素含量的适宜波段以及反演叶绿素和氮素的适宜波段存在差异。利用高光谱植被指数可实现作物参量的有效反演,且作物参量的定量反演对不同的光谱指标,即中心波长、波段宽度和信噪比具有较强的敏感性。     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

多普勒声谱图包络主波提取与特征识别

超声多普勒血流信号声谱图包络是声谱参数提取的基础，能为临床心血管疾病的诊断提供重要信息，基于格雷厄姆扫描算法提出声谱图包络主波提取的新方法，并用改进的角度探测方法进行包络特征的识别．临床试用结果表明，该方法能够自动、准确地获取超声多普勒血流声谱参数，从而为血流状态的临床检测提供了一种实用方法。     

基于卷积神经网络的高光谱图像谱-空联合分类

随着深度学习的发展,卷积神经网络在各种视觉任务中都具有优越的性能;特别是在二维图像分类上,更是获得了很高的分类精度。针对于高光谱图像分类问题,设计了一种新的卷积运算;利用高光谱图像谱-空联合信息建立三维卷积神经网络对其进行分类;并针对高光谱图像样本不均匀性,在网络输出不同类别加入不同的权重加以训练。通过对两个公开高光谱图像数据集的测试,相对于传统方法,能够得到更高的分类精度,表明卷积神经网络对高光谱图像具有更强的特征表达能力。     

一种特征提取新方法在PQD识别中的应用

从时域和频域出发,提出一种Hilbert变换和Fourier变换相结合的方法,快速识别电能质量扰动.该方法先利用Hilbert变换提取扰动信号的包络,根据包络线提取扰动特征,将5种扰动从常见的8类扰动中分离,对未识别3类扰动的包络线进行FFT变换,再从频域中提取特征对其分类.借助Matlab随机生成800个样本,此方法在无噪声和30 dB高斯白噪声条件下平均分类准确率分别达到了99.7%和99.1%.算法在特征提取耗费时间上是采用DB4小波的特征提取方法的25.7%.     

近红外光谱-偏最小二乘法无损定量分析异烟肼片

应用近红外漫反射光谱结合偏最小二乘法, 对异烟肼片中异烟肼的含量进行分析, 建立了近红外光谱数学校正定量分析模型, 其对校正集样品的交互验证均方根误差(RMSECV)为0.00632. 对预测集样品的预测均方根误差(RMSEP)为0.00603; 回归系数为0.99456;加样平均回收率为99.772%. 重现性实验相对标准偏差(RSD)为0.526%. 结果表明, 该方法预测精度高, 且具有方便快捷、 非破坏、 无污染、 可在线检测和重现性好等优点.     

人脸图像有效鉴别特征抽取与识别

基于具有统计不相关性的最优鉴别变换,分析了小样本识别问题,提出了抽取人脸图像有效鉴别特征方法,在Ｏｌｉｖｅｔｔｉ Ｒｅｓｅａｒｃｈ Ｌａｂｏｒａｔｏｒｙ（ＯＲＬ）人脸图像库上得到了平均识别错误率为２．７５％的实验结果,这是目前在ＯＲＬ人脸图像数据库上所得到的最好的实验结果,并在南京理工大学ＮＵＳＴ６０３人脸图像库上得到平均识别错误率为０．９％,的实验结果,这些结果表明所提出的人脸图有效鉴别特征方法