基于多级顺序排除算法(MSEA)的改进

块匹配运动估计是视频编码国际标准中广泛采用的关键技术。许多快速块匹配法通过限制搜索点数来减少运算量,但与全搜索算法相比极易出现匹配误差。该文介绍了一种应用新的判别条件的多级顺序排除算法(MSEA),并在此基础上提出一种新的算法,该算法引入了尺度化的部分失真消除(PDE)技术,用于尺度化累积部分误差和当前最小误差。实验证明,相对于一脉相承的同为穷举搜索算法的全搜索算法(FS)、顺序排除算法(SEA)、多级顺序排除算法(MSEA)等,该算法大幅度提高了搜索效率。与多级顺序排除算法相比,平均每宏块节省了大约75%的运算次数。该算法在保证图像质量的前提下,使视频编码的速度大大提高。

改进奇异值分解的海杂波抑制算法

针对强海杂波背景下海面运动目标回波信号难以检测的问题,提出了一种奇异值分解和双延迟线对消算法相结合的海杂波抑制算法。首先将脉冲压缩后的目标回波信号按周期重排成快慢时间维度矩阵,进行周期奇异值分解;然后构造出信号所对应奇异值的阈值和输入信杂噪比的关系,利用阈值对奇异值指数比进行判决,实现自适应区分海杂波和目标信号;最后对重构后的目标信号进行双延迟线对消,抑制杂波的同时确保目标信号的损失降到最低。采用实测数据对算法性能进行实验验证,相比于现有的海杂波抑制算法,所提方法能够适应目标回波序列信杂噪比的变化,在输入信杂噪比为-30 dB下仍能抑制大部分杂波并准确检测信号,由此验证了新算法具有更好的抑制效果和更优的检测性能。

小麦籽粒蛋白质光谱特征变量筛选方法研究

【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012—2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD Field Spec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法(UVE)结合交叉验证偏最小二乘回归、连续投影算法(SPA)结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归(MLR)及UVE与SPA组合后结合逐步多元线性回归(SMLR)等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除(UVE)方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归(SMLR)、连续投影算法(SPA)、连续投影算法(SPA)+逐步多元线性回归(SMLR)及连续投影算法(SPA)+偏最小二乘回归(PLS)+交叉验证(CV)等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除(UVE)法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特征谱段,所得模型的预测均方根误差(RMSEP)和R2分别为0.5898和0.9410,模型预测精度最高。【结论】本研究利用UVE、SPA与SMLR方法有效压缩了整粒小麦籽粒光谱矩阵,基于所筛选的蛋白质含量特征谱段数构建的预测模型可以实现无损、快速测定整粒小麦籽粒蛋白质含量,预测模型精度可靠,方法经济有效,为设计田间便携式整粒小麦籽粒蛋白质测定仪的波段选择和开发奠定了基础。

基于变量选择的蚕茧茧层量可见-近红外光谱无损检测

以蚕茧茧层量为研究对象,研究了基于可见-近红外光谱技术的蚕茧茧层量无损检测方法。采用最小二乘支持向量机(least square-support vector machine,LS-SVM)建立可见-近红外光谱模型。采用无信息变量消除算法(uninformative variable elimination,UVE)与连续投影算法(successive projections algorithm,SPA)相结合选取光谱有效波长。结果表明,基于UVE-SPA法进行变量选择,最终将原始光谱的600个光谱变量减少到了8个(673,937,963,982,989,992,995和1008nm)。基于此8个变量建立的LS-SVM模型得到了预测集的确定系数(Rp2)为0.5354,误差均方根(RMSEP)为0.0373的预测结果。表明可见-近红外光谱可以用于对蚕茧的茧层量进行无损检测,同时UVE-SPA是一种有效的光谱变量选择方法。

基于无信息变量消除法和连续投影算法的可见-近红外光谱技术白虾种分类方法研究

应用无信息变量消除法结合连续投影算法对可见-近红外光谱区进行有效波长的选择,选择后的波长作为输入变量建立最小二乘-支持向量机模型,对白虾属中三种典型种,脊尾白虾、秀丽白虾和东方白虾进行鉴别分类.实验采用Kennard-Stone算法选取150个样本作为建模集,50个样本作为预测集,通过UVE-SPA优选了数值分别为392、431、517、551、595、627、676、734、760、861、943和1018 nm的12个波长为LS-SVM的输入变量,建立了白虾种分类模型.该模型对50个预测集样本检验的准确率达到了92.00%.结果表明,采用可见-近红外光谱对白虾种进行鉴别是可行的,UVE-SPA能够有效地进行波长选择,使LS-SVM模型获得最优的分类结果.

基于可见-近红外光谱技术的水稻穗颈瘟染病程度分级方法研究

采用Vis-NIR技术对水稻穗颈瘟染病程度分级方法进行了研究。分别基于原始光谱,变量标准化(SNV)预处理后和多元散射校正(MSC)预处理后的光谱,应用无信息变量消除法(UVE)结合连续投影算法(SPA)对Vis-NIR光谱区进行有效波长的选择。选择后的波长作为输入变量建立最小二乘-支持向量机(LS-SVM)模型。结果表明SNV-UVE-SPA建立的LS-SVM模型预测效果最好。通过SNV-UVE-SPA从全波段600个波长中选择了6个最能够反应光谱信息的波长(459,546,569,590,775和981nm)。SNV-UVE-SPA-LS-SVM组合模型对预测集样本预测得到的确定系数(Rp2),预测集的预测标准差(RMSEP)和剩余预测偏差(RPD)分别达到了0.979,0.507和6.580。结果表明,采用Vis-NIR光谱技术对水稻穗颈瘟染病程度进行分级是可行的。通过UVE-SPA得到的有效波长能够很好地代替全波长。

基于连续消除的正方形-菱形运动估计算法

在基于搜索起点预测和正方形-菱形算法(SDS)的基础上,结合连续消除算法(SEA),提出了一种新的运动估计算法:基于连续消除的正方形-菱形运动估计算法(SEA-SDS)。实验结果表明,该算法以比较小的代价取得了与全搜索算法(FS)相当的效果;在搜索次数和精度方面均优于菱形(DS)和正方形-菱形(SDS)快速运动估计算法。

基于SIFT特征和误匹配逐次去除的图像拼接

针对随机抽样一致性算法(RANSAC)计算量大、耗时长、匹配点选取不当会影响变换矩阵精度、阈值的鲁棒性较差,以及不能完全去除误匹配等不足,提出了一种基于SIFT特征和误匹配逐次去除的图像拼接算法。该算法首先提取图像的SIFT特征,并利用近似的最近邻搜索算法(BBF)进行特征初始匹配,然后利用一种误匹配逐次去除的迭代算法正确地估计图像间的变换矩阵。在这种误匹配逐次去除的迭代算法中,采用预检测模型的方法,减少了迭代运算的数据量,提高了拼接速度;采用匹配点按块随机选取的方法保证了变换矩阵的稳定性和精确度;通过逐次筛选去除误匹配,且在筛选过程中采用自适应阈值,完全去除了误匹配。实验结果表明,该算法在保证较高精度和鲁棒性的情况下,缩短了拼接时间,提高了拼接效率。

紫外可见光谱的水产养殖水体有机物浓度快速检测研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对表征水产养殖水体中有机物浓度的指标化学需氧量(chemical oxygen demand,COD)进行快速测量,对采集到的135份甲鱼养殖水样进行UV/Vis波段全光谱扫描,采用无信息变量消除(uninformative variable elimination,UVE)和连续投影算法(successive projections algorithm,SPA)相结合的变量选择算法选取全波段光谱中的特征波长,从201个UV/Vis光谱变量中选取了7个特征波长,只占全波段光谱变量的3.48%,降低了建模的时间和模型的复杂度。结合最小二乘支持向量机(least-square support vector machine,LS-SVM)算法进行COD预测建模,结果表明:使用特征波长建模的预测效果(相关系数r(correlation coefficient)=0.89,预测均方根误差(root mean square error of prediction,RMSEP)=15.46mg·L-1)好于使用全波段光谱建模的预测效果(r=0.88,RMSEP=15.71mg·L-1)。使用UVE-SPA变量选择算法获取UV/Vis光谱特征波长,结合LS-SVM建模,可以快速、准确的测量水产养殖水体中的COD浓度,为进一步实现水产养殖水质的在线检测以及其他水质参数的快速测定奠定了基础。

基于可见-近红外光谱变量选择的土壤全氮含量估测研究

【目的】变量选择是可见光-近红外光谱研究至关重要的步骤,通过分析可见光-近红外光谱不同特征的选择方法筛选出土壤全氮敏感波段,建立基于敏感波段的土壤全氮最佳预测模型,为土壤全氮的快速定量估算提供重要的理论指导依据。【方法】在红壤典型地区江西省吉安县采集代表性土壤样品120个,对可见光-近红外光谱采用主成分分析(PCA)、无信息变量消除(UVE)和无信息变量消除后结合连续投影(UVE-SPA)3种变量特征选择方法,建立基于不同变量选择的偏最小二乘回归(PLSR)模型、最小二乘-支持向量机(LS-SVM)、反向传播神经网络(BPNN)和遗传算法优化的反向传播神经网络(GA-BPNN)模型,从模型对预测集的预测精度分析不同变量选择方法对不同土壤全氮定量估算模型的差异。【结果】经UVE算法筛选后,光谱变量从200个减少至59个,其中可见光波段处10个,其余在近红外光谱的合频区和一倍频区,信息量丰富;进一步采用SPA进行变量选择,得到共线性最小的5个有效波长,分别为820、940、1 040、1 060和1 990nm;基于UVE变量选择建立的PLSR、BPNN、GA-BPNN和LS-SVM模型,经不同的土壤全氮的数据检验,预测精度最高的为LS-SVM,决定系数(R2)、均方根误差(RMSEp)和相对偏差(RPD)分别为0.7492、0.2921和1.8904;基于UVE-SPA特征选择建立的PLSR、BPNN、GA-BPNN和LS-SVM模型对预测集的验证表明,UVE-SPA提取的特征波段建立的LS-SVM建立模型预测效果最好,其建立的LS-SVM定量估算模型预测集的决定系数R2为0.7945,均方根误差RMSEp为0.2499相对偏差RPD为2.0009,模型稳定;基于PCA提取的7个主成分建立的LS-SVM、BPNN和GA-PBNN模型预测性能差,不能用于定量估算土壤全氮。对比相同的变量建立的GA-BPNN和BPNN,GA-BPNN预测性能比BPNN高。【结论】UVE-SPA变量选择方法结合LS-SVM模型能用来估算土壤中的全氮含量,同时UVE-SPA是一种有效的土壤光谱变量选择方法。

提取近红外光谱有效变量快速检测猪肉挥发性盐基氮

以市售新鲜冷藏(4℃)猪肉为研究对象,采用蒙特卡洛-无信息变量消除算法和连续投影算法对原始近红外光谱的800个波长变量进行提取,共筛选出与挥发性盐基氮含量直接和间接相关的有效波长变量36个,并采用偏最小二乘法构建预测模型,验证集的相关系数和标准偏差分别为0.876 4和1.205 7 mg/100 g。

基于H.26L多参考帧运动估计的研究及其新算法

主要讨论了H.26L协议多参考帧运动估计的思想,提出了实现多参考帧运动估计的新算法。在传统的连续消除算法(SEA)基础上设计了“连续中心外螺旋搜索算法(SCOS)”。这个算法主要根据多参考帧特点改进了运动搜索的起始点设置方法和螺旋向外的搜索路径。通过采用这个算法,使得多参考帧运动估计不仅精度能和全局搜索(Full Search)相同,而且计算量缩短25%,时间缩短7%左右。

基于连续小波变换参数选择的小麦近红外光谱模型优化方法研究

为了提高模型预测精度,结合连续小波变换(CWT)的最优参数选择,优化小麦蛋白质光谱模型。对原始光谱进行CWT,利用主成分分析(PCA)选出5种小波db1、sym2、sym5、sym7、coif1;在不同尺度参数下利用偏最小二乘法(PLS)建模,确定尺度参数为15;在此基础上,利用CWT结合多元散射校正(MSC)及支持向量机(SVM)建模确定最优小波db1;在最优参数下用CWT结合无信息变量消除算法(UVE)和连续投影算法(SPA)及SVM建立预测模型,预测均方根误差为0.3930,优于CWT-UVEPLS-SVM的0.4558和CWT-SPA-SVM的0.4415,研究结果表明,CWT参数选择可有效优化近红外光谱模型。

基于可见-近红外光谱技术的润滑油酸值无损检测方法研究

研究了基于可见-近红外光谱技术的润滑油酸值无损检测方法。获得了润滑油在475～975 nm范围内的可见-近红外光谱。采用最小二乘支持向量机(LS-SVM)建立可见-近红外光谱检测模型,并通过将无信息变量消除算法(UVE)与连续投影算法(SPA)相结合进行光谱有效波长选取。通过UVE-SPA法进行变量选择计算,最终将原始光谱所包含的500个光谱变量减少到了8个(分别为489 nm、553 nm、591 nm、874nm、893 nm、910 nm、935 nm和951 nm)。基于这8个变量建立的LS-SVM模型获得了预测集确定系数为0.9546、误差均方根为0.0081和剩余预测残差为4.5663的预测结果,说明可见-近红外光谱技术可以用于润滑油酸值无损检测。与酸值测定标准方法相比,该方法具有快速、无损和成本低等优点。同时,UVE-SPA法是一种有效的光谱变量选择方法。

基于LS-SVM高光谱成像鱼新鲜度鉴别

基于高光谱成像光谱信息的鱼新鲜度(鱼不同冷冻时间以及冻融次数)鉴别。首先,提取鱼样本感兴趣区域(region of interest,ROI)光谱,分别采用蒙特卡罗无信息变量消除(Monte Carlo free information variable elimination,MCVE),连续投影算法(successive projections algorithm,SPA)和随机青蛙算法(random frog,RF)提取特征波长,三种算法分别得到90,31和49个特征变量,采用最小二乘支持向量机作为分类模型,将90,31和49个特征变量作为LS-SVM模型的输入变量建立分类模型,基于SPA-LS-SVM和MCVE-LS-SVM模型预测集识别率都达到了98%,而采用RF-LS-SVM建立的模型取得了较差的预测结果 ,模型预测集识别率都只是达到了88%。结果表明,SPA-LS-SVM作为分类模型优于其他模型,SPA选择的特征波长,不但可以简化模型,还可以提高模型的预测精度,基于高光谱成像技术可以用于鱼新鲜度(鱼不同冷冻时间以及冻融次数)鉴别。

变量筛选方法结合局部线性嵌入理论用于近红外光谱定量模型优化

变量筛选策略结合局部线性嵌入(local linear embedding,LLE)理论用于近红外光谱(near infrared spectroscopy,NIRS)定量模型优化。蒙特卡罗无信息变量消除方法(monte carlo uninformation variable elimination,MCUVE)和连续投影算法(successive projections algorithm,SPA)以及两者结合的变量筛选策略用于NIRS冗余变量的剔除;偏最小二乘回归(partial least squares regression,PLSR)和LLE-PLSR用于复杂样品光谱定量模型的构建。结果表明:MCUVE方法既能有效的提取信息变量,同时可以提高模型的预测精度;LLE-PLSR可以得到比PLSR方法更加准确的定量分析模型;MCUVE结合LLE-PLSR是一种有效的光谱定量分析方法。

基于随机森林的高寒草地地上生物量高光谱估算

草地地上生物量(Aboveground biomass,AGB)是衡量草地生产力的关键因素,准确测定草地AGB具有重要意义。高光谱因具有时效性强、不破坏草地等特点被广泛用于草地生理生态指标的测定。本研究提取和计算了海北试验站高寒草地冠层的原始光谱(Original spectrum,OR)反射率、一阶微分光谱(First derivative spectrum,FD)反射率、光谱位置面积参数(Spectral parameters of spectral position and area,PA)和植被指数(Vegetation indices,VI)4种不同类型的特征变量,使用连续投影算法(Successive projections algorithm,SPA)和递归特征消除算法(Recursive feature elimination,RFE)进行特征选择,采用随机森林算法(Random forest,RF)构建草地AGB估测模型。结果表明:在由4种特征变量分别构建的草地AGB估测模型中,基于VI的RF模型精度最高(测试集R2=0.70,RMSE=557.87 kg·ha^(-1)),实测AGB与估测AGB的线性R2达到0.72;不同类型特征变量组合构建的草地AGB估测模型中,PA+VI组合的RF模型精度最高(R2=0.71,RMSE=548.97 kg·ha^(-1)),实测AGB和估测AGB的线性R2达到0.73。

深海采矿测控实验系统的数据后处理系统设计与实现

中国大洋协会(COMRA)多金属结核中试采矿系统的测控实验系统为采矿系统的虚拟研究提供了一个高性能的模拟实验平台。本文利用pascal语言在Delphi平台上实现了数据后处理系统的设计,阐述了数据的奇异项检拾方法和平滑滤波算法,并绘制了数据曲线,直观真实地反映数据变化趋势,具有一定的参考和推广价值。

近红外高光谱成像技术对鸡蛋种类的鉴别

为探讨近红外高光谱成像技术对鸡蛋种类判别的可行性,采用近红外高光谱(900~1700 nm)成像技术,以223个鸡蛋样本为研究对象,其中富硒鸡蛋74枚、无公害鸡蛋72枚、普通鸡蛋77枚,富硒鸡蛋和无公害鸡蛋为海兰褐鸡蛋,普通鸡蛋为洋鸡蛋。对比S-G卷积平滑、基线校准(Baseline)、标准正态变量变换(SNV)、标准化(Normalize),优选出S-G卷积平滑光谱预处理方法;连续投影算法(SPA)、无信息变量消除法(UVE)、后向间隔偏最小二乘波段选择法(BiPLS)算法提取的特征波长数分别为8、107和155,分别建立全光谱、SPA、UVE、BiPLS的PLS-DA判别模型,结果显示在4种模型中BiPLS-PLS-DA的识别性能要优于FS-PLS-DA、UVE-PLS-DA和SPA-PLS-DA,其校正集正确识别率为95.24%,预测集识别率为78.18%。近红外高光谱成像技术作为一种快速、高效的种类判别技术对鸡蛋种类的判别具有可行性。

一种噪声方差自适应的连续消除算法

对于实际的视频编码系统,由CCD摄像机等成像设备所获取的视频信号不可避免地会受到各种类型的噪声的影响。噪声的存在,不仅会对视觉意义上的图像质量产生影响,而且会对后续的编码效率产生负面影响。通过分析CCD噪声的特点以及噪声项对宏块的和范数差值(SND)与绝对差值之和(SAD)所产生的影响,研究了一种应用于噪声视频的两阶段连续消除算法。为了减少用于视频噪声估计的附加计算开销,从统计分析出发,提出了一种利用块匹配计算所得的SAD进行噪声方差估计的方法。实验表明,估计所得的噪声方差的精度,足以满足运动估计算法的需要;而基于噪声方差自适应的连续消除算法能以比连续消除算法少得多的计算代价,获得接近于全搜索的搜索精度。