阻尼最小二乘法用于激光诱导击穿光谱重叠特征谱线分离提取

近年来,激光诱导击穿广谱技术发展迅速。作为一种用于物质成分探测的新技术,它具有简单、快速、无需复杂样品制备、多种元素同时检测等优点,可实现待测样品物质成分现场、在线的检测,在很多领域都极具应用前景。激光诱导击穿光谱特征谱线的分离拟合提取是光谱特征识别与后续元素浓度定量反演研究的基础。为实现激光诱导击穿光谱重叠特征谱线的有效分离拟合提取,采用阻尼最小二乘法,分析并确定了迭代前的初始拟合参数值,实现了在重叠特征谱线情况下对某火力发电厂粉煤灰中的铬元素特征谱线的分离提取。阻尼最小二乘法基于高斯-牛顿迭代,在迭代步长中引入阻尼因子,在迭代的过程中根据每一步迭代后所反馈的信息动态的调整迭代步长,从而有效防止了迭代的发散,保证了迭代的快速收敛,最终使得元素特征谱线拟合提取的效果更佳、所得到的特征谱线强度值更准确。分别采用阻尼最小二乘法和最小二乘法对不同浓度的样品中铬元素特征谱线进行分离拟合提取并给出特征谱线的强度值,作出特征谱线强度值关于元素浓度的定标曲线并对比两种方法所得结果的线性相关性。结果表明,阻尼最小二乘法所得结果的线性相关性更高,该方法稳定、可靠,适用于激光诱导击穿光谱重叠特征谱线的分离拟合提取。

基于谱线特征的羊绒与羊毛的鉴别

为快速区分和检验羊毛、羊绒,提出基于羊毛与羊绒谱线特征的识别方法。这种方法先通过光学显微镜获得羊毛与羊绒的图像,然后经过图像处理得到羊毛与羊绒的表面信息;接着通过投影的方式,获得羊毛与羊绒表面所对应的谱线。对获得的谱线进行分割,根据羊毛与羊绒谱线的特性不同,提取羊毛与羊绒谱线的单元宽度值、单元峰值及离散系数、峰值宽度比等参数;最后通过对这些参数的分析处理进行识别。实验结果表明,采用这种方法识别羊毛与羊绒,不仅快速准确,而且与以往的方法相比,在精度和速度上都有显著的提高。

输电线路下行林区优势树种的冠层光谱特征分析

通过对安徽省池州市青阳县输电线下行通道的优势树种进行光谱测量与分析,以建立优势树种光谱库,为输电线通道下行林区的树种精细分类提供理论和技术支持。利用便携式光谱仪对研究区6个优势树种的冠层光谱数据进行采集,并生成平均冠层反射光谱曲线,经过导数变换、植被特征参数(蓝边、黄边和红边)分析及冠层光谱的可分性研究,进而分析出不同树种的不同波段光谱特征差异。结果表明,在原始光谱可见光波段毛竹冠层反射率高于其他树种;而在近红外波段,栎树的冠层反射率高于其他树种。6个树种的蓝边位置、黄边位置及红边位置存在差异较小,毛竹的蓝边斜率最大;杉木的黄边斜率最大;栎树的红边斜率和红边面积均为最大。通过可分性研究可知,原始光谱在550 nm、900 nm及一阶导数光谱在718 nm处,有助于精细区分不同树种类型。

基于空谱特征联合的烟熏壁画线条增强方法

针对壁画部分区域被烟熏污染,人眼难以辨别的问题,现有的图像增强算法未能充分考虑壁画影像中的同质区域和空谱信息,因此,本文提出了基于空谱特征联合的烟熏壁画线条增强方法。首先,用地面高光谱成像仪采集壁画的原始高光谱数据进行数据预处理,选取波段合成真彩色影像并利用多尺度模糊C均值算法进行图像分类,将分类后数据与高光谱影像一一对应得到分区高光谱数据,对各分区数据进行核主成分分析(kernel principal componentanalysis,KPCA)降维获取前几主成分,经平均梯度分析选出分区KPCA的最优主成分影像;其次,分析壁画每幅影像的行列相关性,对预处理后的高光谱影像进行二维主成分分析获取其行、列主成分,经图像重构和平均梯度分析获得二维主成分分析的最优主成分影像;最后,结合光谱特征分析与自适应伽马校正算法得到包含壁画线条增强信息和色彩信息的影像。结果表明,与已有的单尺度Retinex算法、带色彩恢复的多尺度Retinex算法及侯妙乐等(2014)方法进行对比,本方法得到的影像线条完整、清晰,具有更好的对比度。

基于特征提取的数字通信信号调制识别方法

为实现对数字通信信号调制方式的精准识别,基于特征提取,设计数字通信信号调制识别方法。根据信号的空间矩阵表达方式,归一处理信号中心瞬时幅度,提取数字通信信号调制特征;引进瞬时特征处理法,利用其中的Hilbert工具,处理短时信号的瞬态特性和具有复杂表象的瞬态参数;利用小波分析法,检测信号转换过程中的变异行为,以此作为信号的分类依据,实现对信号特征的处理与分类;引进谱线分析法,将信号在循环传输过程中的密度谱峰数量、峰值、空间分布等作为参照,精准识别信号。设计实例应用实验,通过实验证明,该方法可以实现在不同条件下,对不同类型调制信号的精准识别。

基于激光诱导击穿光谱技术的煤矸分选方法研究

煤矸分选是煤矿生产的必要工序,对于提高煤炭的清洁利用效率、提升煤矿的生产质量均有至关重要的作用。为了提高煤矸分选的准确率和降低生产成本,提出1种基于激光诱导击穿光谱技术(LIBS)的煤矸分选方法。通过LIBS对同一产地10个块煤样品和10个矸石样品的表面进行激发,并收集光谱数据后对其进行分析处理;基于煤和矸石的主要矿物成分为Si、Al、Ca、Fe、Mg、K、Na、Ti该8种主要元素,通过计算每次收集光谱数据中主要元素的相对标准偏差(RSD)以分析结果的重复性,再根据主要元素的特征谱线波峰面积对煤和矸石进行分类。实验结果表明,激光诱导击穿光谱技术对煤矸分选具有有效性,可利用煤和矸石的不同元素组成进行样品分类鉴别,从而提高煤矸分选效率,以期为进一步研制煤矸石智能分检仪器设备提供技术支撑。

基于广义非线性变换的特征谱线增强方法

为提高强背景噪声下频谱分析的特征提取能力,突出所关心的特征谱线,在非线性变换方法的基础上,提出了广义非线性变换方法。对比分析结果表明:广义非线性变换方法将固定的放大阈值改为可变值,提高了该方法实际应用的灵活性和适用性,易于获得最佳的特征谱线增强效果。