基于波段选择改进的高光谱端元提取方法

为了解决传统N-FINDR算法降维时破坏像元光谱曲线的物理意义这个问题, 采用波段选择方法中的最佳指数法代替特征提取, 改进N-FINDR算法的降维方式; 利用模拟和真实高光谱数据进行实验, 分别用改进的N-FINDR算法与其它两种算法提取端元, 并用全约束最小二乘法解混。结果表明, 改进的N-FINDR算法的解混精度更高, 用时更少。用波段选择代替特征提取改进降维方式, 保留了光谱曲线的物理意义, 在N-FINDR算法中是可行的。     

基于免校准波长调制的多光程吸收光谱

为了研究免校准波长调制光谱技术对激光光强变化及外界干扰的免疫能力, 采用基于免校准波长调制技术的多光程吸收光谱, 以乙炔为测量目标, 进行了理论分析和实验验证。结果表明, 不同激光功率下得到的波长调制二次谐波信号幅值发生明显变化, 但通过免校准的方法得到的信号变化较小, 且受气流影响、部分遮光、系统振动等外界干扰影响较小; 采用免校准方法实验得到的体积分数在5×10-6 ~9×10-5范围内的光谱信号拥有较好的线性度, 相关系数达0.9997;采用Allan方差分析得到该实验系统的最小探测极限可达1.2×10-8。免校准波长调制光谱技术能较好地避免光强抖动、气流干扰、系统振动等干扰, 从而提高系统稳定性和探测灵敏度。     

应用LIBS技术检测食盐中的镉

为了实现食盐中重金属镉(Cd)的快速定量检测，以193nm的自制准分子激光器作为激发光源，通过外部添加重金属元素Cd制作了8组食盐样品，采用激光诱导击穿光谱(LIBS)技术，选取Cd Ⅰ228.8nm特征谱线作为分析线，进行了理论分析和实验验证。结果表明，延迟时间为1.5μs时，能够获得较好的光谱强度和信背比；谱线强度与Cd的质量分数具有很好的线性关系，拟合度为0.984，预测相对误差小于7%，检测限为0.65mg/kg。LIBS检测技术不仅具有快捷方便、无需繁琐样品准备等优点，而且具有较高的检测精度，是一种在食品安全快速检测领域中非常新颖的、有潜力的检测技术。     

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。