基于高光谱图像的改进SIFT特征提取与匹配

针对尺度不变特征变换(SIFT)算法所提取图像特征点数量少、误匹率高的问题,提出了一种基于高光谱图像的改进SIFT算法。首先,依据传统SIFT算法中高斯金字塔的构造思想,结合在不同波段下的高光谱图像具有相同宏观特征的特点,首次用高光谱图像作为原始算法中经高斯变换产生的图像,使得检测到的具有实际意义的特征点数量大幅增加;其次,传统SIFT算法以及大量的改进方法都只通过目标象元邻域范围内的像素信息来构造特征描述符,而忽略了像素点的位置信息,文中将目标象元的位置信息纳入了特征描述符,在特征描述符的匹配阶段,在利用邻域范围内的像素信息进行粗匹配之后,利用特征描述符中的位置信息进行精细匹配。仿真实验结果表明在限定最优值与次优值之比的情况下,采用高光谱图像构造高斯金字塔的方式能显著增加特征点的提取数量,更多地挖掘出图像中的极值点;在特征描述符中加入目标象元的位置信息作为特征点匹配第二阶段的判断依据,正确匹配数量达到原方法的59倍以上,极大提升了算法的匹配性能。     

基于近红外光谱法快速鉴别转基因油研究

采用近红外光谱法对转基因油/非转基因油的混合溶液进行研究。对采集到的原始光谱分别进行多元散射校正（MSC）、一阶导数（FD）、移动窗口平滑（MWS）、Savitzky-Golay平滑一阶导数（SG1）预处理。研究比较了不同预处理方法对转基因油/非转基因油支持向量机（SVM）建模判别分析的影响，其中MSC预处理后的模型预测效果最好，准确率为91.6%。为了进一步提高模型的精度与稳定性，采用连续投影算法（SPA）对全波长进行特征波长筛选。利用筛选后的15个特征波长输入到SVM中，预测准确率提高到98.3%。实验结果表明，采用近红外光谱法，可以实现对转基因油/非转基因油快速检测，不仅适用于纯转基因油的鉴别，也适用于非转基因油中掺入转基因油的鉴别。     

基于FTIR的水分对柴油机油添加剂的影响研究

为了研究水分对不含金属磨粒的润滑油新油和含金属磨粒的润滑油旧油的添加剂消耗的影响,在CD15W-40柴油机润滑油中加入蒸馏水配制水分质量分数为0～0.8%的润滑油样;模拟柴油机气缸套-活塞环摩擦副的磨损工况,对各润滑油样进行磨损实验;对磨损实验后的润滑油样进行傅里叶红外(FTIR)光谱分析,分析油样在无光照的环境中贮存不同时间时各添加剂含量的变化,并与磨损实验前的润滑油新油的FTIR分析结果进行比较。结果表明:未进行磨损实验的润滑油新油,在水分质量分数为0.2%及以上时,抗泡沫添加剂和清净剂的消耗速度随着水分质量分数的增加而加快,而抗磨损添加剂的消耗速度和润滑油中的水分没有直接关系;磨损实验后含有金属磨粒的旧油,在水分质量分数为0.1%及以上时,抗泡沫添加剂、抗磨损添加剂和清净剂的消耗速度都会随着水分质量分数的增加而增加。     

基于L_1稀疏解混的水体变化检测

稀疏表示利用高光谱丰度矩阵的稀疏特性来获取更有价值的信息,使得稀疏正则化后的高光谱数据更加精确。以景德镇玉田湖水库为研究对象,通过Landsat8卫星获取的玉田湖水库不同时期的水体信息数据,利用了经典的L1稀疏解混的方法对卫星数据进行水域信息提取,然后对不同时期水域变化情况进行检测。检测结果验证算法有效性。     

3维卷积递归神经网络的高光谱图像分类方法

为了针对高光谱图像中空间信息与光谱信息的不同特性进行特征提取，提出一种3维卷积递归神经网络(3-D-CRNN)的高光谱图像分类方法。首先采用3维卷积神经网络提取目标像元的局部空间特征信息，然后利用双向循环神经网络对融合了局部空间信息的光谱数据进行训练，提取空谱联合特征，最后使用Softmax损失函数训练分类器实现分类。3-D-CRNN模型无需对高光谱图像进行复杂的预处理和后处理，可以实现端到端的训练，并且能够充分提取空间与光谱数据中的语义信息。结果表明，与其它基于深度学习的分类方法相比，本文中的方法在Pavia University与Indian Pines数据集上分别取得了99.94%和98.81%的总体分类精度，有效地提高了高光谱图像的分类精度与分类效果。该方法对高光谱图像的特征提取具有一定的启发意义。     

基于激光诱导击穿光谱的元素成像技术研究进展

元素成像技术是一种基于激光诱导击穿光谱(LIBS)技术的元素光谱强度成像技术，该技术拥有多元素分析能力、原位成像能力和大面积样本扫描成像能力，且样本制备简易、成像速度快。首先介绍了LIBS元素分布成像技术的原理，其次介绍了目前常用的LIBS成像设备，最后回顾了LIBS成像技术在古气候学、病理分析、药物代谢及植物学分析等领域的相关应用。