逆胶束酶系统及其在食品工业中的应用

综述了逆胶束酶系统的制备方法、动力学特性、催化反应类型及作用特点，并介绍了在食品工业中的应用。

以凸面单体边界为搜索空间的端元快速提取算法

提出了以凸面单体边界为搜索空间的端元快速提取算法,其核心包括凸面单体边界的确定和以凸面单体边界为基础的端元搜索两部分。实验表明:该算法不仅能够准确地寻找到端元,而且端元提取速度明显快于现有的端元提取算法。

改进的MVC-NMF算法在高光谱图像解混中的应用

高光谱图像中混合像元的存在不仅影响了基于遥感影像的地物识别和分类精度,而且已经成为遥感科学向定量化发展的主要障碍。MVC-NMF混合像元解混算法不需要假定纯像元的存在,并且在自动提取端元的同时,能够获取每种端元所对应的丰度图,然而该方法收敛速度较慢、效率较低,文中提出利用BBA(Barzilai-Borwein Algorithm)算法来实现MVC-NMF算法的迭代更新,从而提高了算法的效率。实验结果表明:该方法在相同迭代次数条件下比MVC-NMF算法解混的结果好、效率高。

稀疏约束下的MVC-NMF算法研究

最小体积约束的非负矩阵分解算法(MVC-NMF)不需要假定纯像元的存在,并且在自动提取端元的同时,能够获取每种端元所对应的丰度图,然而该方法并没有考虑丰度矩阵的稀疏特性。提出了将稀疏约束引入MVC-NMF算法中,提高了算法的精度。实验结果表明:该方法在相同迭代次数条件下比MVC-NMF算法解混的精度更高。

一种基于最大体积单体的端元自动提取算法

传统的N-FINDR和SGA等高光谱影像端元提取方法采用了降维作为预处理过程,这使得光谱信息有所损失,因而影响了端元提取结果的精度。为了克服该缺陷,在原始光谱空间计算单体体积的方法引入到端元提取过程中,提出了一种基于最大体积单体的端元提取算法,该算法不需要降低数据维数即可进行体积求解,因此尽可能地保存了不同物质的光谱特征信息。实验结果表明:该方法端元提取结果的精度和效率均优于N-FINDR、SGA和VCA算法。

基于无人机高光谱影像的植被覆盖度遥感估算模型比较

为了探寻光谱解混模型估算植被覆盖度的精度及适用性,对广东省中山市民众镇义仓村内的一块香蕉林地,利用无人机高光谱数据,比较了3种植被覆盖度估算的经典模型(像元二分模型、Carlson模型和Baret模型)以及目前较为常用的3种光谱解混模型(线性光谱混合模型(Linear Mixed Model,LMM)、后验多项式非线性混合模型(Polynomial Post-nonliner Mixing Model,PPNMM)和考虑光谱变异的正态组分模型(Normal Compositional Model,NCM))估算植被覆盖度的效果.实验结果表明:像元二分模型高估了植被覆盖度;Carlson模型低估了植被覆盖度;Baret模型在低植被覆盖度区域内高估了植被覆盖度、在高植被覆盖度区域内低估了植被覆盖度;LMM模型在高植被覆盖度区域有较好的估算效果;PPNMM模型在低植被覆盖度出现小幅度高估;NCM模型估算的效果最佳.

高光谱图像端元提取算法研究进展与比较

高光谱图像中混合像元的存在不仅影响了基于遥感影像的地物识别和分类精度,而且已经成为遥感科学向定量化方向发展的主要障碍。本文分析和研究了现有的典型端元提取算法,在此基础上,对这些算法进行归纳总结,从是否假定纯像元存在角度将其分为两类:端元识别算法和端元生成算法,并就两种分类方法选取了具有代表性的6种典型端元提取算法:N-FINDR、VCA、SGA、OSP、ICE和MVC-NMF算法进行分析和实验。通过对这6种方法的实验比较,得出两种端元提取分类方法的优点与不足,并对今后的研究工作提出展望。

线性混合模型的光谱解混算法综述

混合像元的存在不仅影响了基于高光谱图像的地物识别和分类精度,而且已经成为遥感科学向定量化发展的主要障碍。目前的混合像元分解算法大多采用线性混合模型,其关键步骤为端元提取。文中从线性混合模型的定义出发,总结了近年来提出的端元提取算法,并重点对SMACC、VCA、SGA等算法进行了深入的分析,最后总结了混合像元分解的发展趋势。

最小体积约束的线性光谱解混算法

提出了最小体积单体约束的线性光谱解混算法。该算法不需要假设数据中存在纯像元,采用二次规划方法计算降维后的端元矩阵,利用最小二乘方法实现丰度估计和端元提取。实验结果表明,此算法解混的结果整体上优于MVC-NMF算法。