基于离散平稳小波变换的红外图像去噪

提出了一种基于离散平稳小波变换的红外图像去噪方法。在预先不知道噪声方差的前提下,只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散平稳小波变换后,分别对各个分解层的高频子带利用所提出的方法进行迭代去噪,使各个高频子带分别收敛于其最大信噪比。实验结果表明,所提出的方法在有效的去除红外图像噪声的同时,又能较好的保持红外图像的细节部分信息。算法在性能指标和视觉质量上均优于基于离散正交小波变换的阈值去噪方法和传统的中值滤波法。     

纯相稀土硫化物红色发光材料的高温微波合成及其光谱性质

采用工业频率为2.45 GHz的高温微波法制备了纯基质相的CaS∶Eu2+红色发光材料,激发波段为410~580 nm,发射峰值波长为654 nm。在微波输入功率为1.0~1.1 k W的条件下,可以获得纯基质相CaS∶Eu2+发光材料;在1.2~1.3 k W功率范围,获得的样品中含有Ca O杂质相,且颗粒团聚严重。其中,1.1 k W制备的CaS∶Eu2+样品相纯度最高,发光性能最优。微波功率的变化本质上揭示了固体颗粒的介电损耗因子及其加热特性的变化,体系涉及的非平衡反应机制促使了纯基质相的形成,并影响材料晶相结构、粒径、形貌和发光性能。结果显示,高温微波制备技术通过控制输入功率及其物料的介电损耗性质,能够获得纯基质相并且颗粒小、团聚少的荧光粉。     

大鼠胰腺及癌组织红外光谱连续小波特征提取及径向基人工神经网络识别

采用水平衰减全反射(HATR)傅里叶变换红外光谱法(FTIR)测定了SD大鼠胰腺正常组织与非正常组织的谱图,提出了一种新的基于FTIR的连续小波特征提取与径向基人工神经网络分类方法以提高FTIR对早期SD大鼠胰腺癌的诊断准确率。利用连续小波多分辨率分析法提取FTIR特征量,对于提取的特征量采用径向基函数神经网络进行模式分类。对SD大鼠的胰腺正常组织、早期癌组织及进展期癌组织的FTIR,利用连续小波多分辨率分析法提取9个特征量,进行RBF神经网络分类判断。当目标误差为0.01,径向基函数的分布常数为5时,网络达到最优化,总的正确识别率为96.67%。并对影响分类结果的网络参数、目标误差和分布常数对分类样品的影响做了讨论。实验结果表明:此方法对早期胰腺癌具有较高的诊断率。     

一种新颖的基于FTIR-CWT及ANN分类法的同科属中药材菟丝子与金灯藤的识别研究

采用水平衰减全反射傅里叶变换红外光谱法（HATR-FTIR）测定了同属种子植物中药材菟丝子及金灯藤的FTIR,运用基于连续小波多分辨率分析法对吸收较为相似的菟丝子及金灯藤的FTIR进行特征提取。选择第7、10、13分解层数的特征向量,进行人工神经网络（ANN）训练,再用训练出来的网络对不同产地的植物种子菟丝子和金灯藤所得FTIR小波提取的特征向量进行分类。通过对32个不同样本的验证,说明能够采用基于FTIR-连续小波特征提取及人工神经网络分类法对同科属中药材菟丝子与金灯藤进行识别。     

基于FTIR-CWT及ANN分类法的中药材菟丝子与同科属金灯藤子的识别方法研究

采用水平衰减全反射傅里叶变换红外光谱法(HATR-FTIR)测定了种子植物中药材菟丝子及同科属种子植物金灯藤子的FTIR,运用基于连续小波变换多分辨率分析法对吸收较为相似的菟丝子及金灯藤子的FTTR进行特征提取.通过分析比较后选择第7,10,13分解层的特征向量,进行人工神经网络(ANN)训练,再用训练出来的网络对不同产地的植物种子菟丝子和金灯藤子所得FTIR小波提取的特征向量进行分类.通过对32个不同样本的验证,说明能够采用基于FTIR-连续小波特征提取及人工神经网络分类法对同科属中药材菟丝子与金灯藤子进行识别.     

DSWT-FTIR-RBFNN鉴别罂粟和虞美人

采用水平衰减全反射傅里叶红外光谱法(HATR-FTIR)测定罂粟和虞美人的FTIR,由于两者为同科同属中药材,所含化学成分较为相近,为了更好地突出罂粟和虞美人在FTIR上的差异,并据此进行正确分类识别,利用离散平稳小波变换(DSWT)分别对罂粟和虞美人的种皮和种仁的FTIR进行若干尺度的变换,从中选择2个最具代表性的尺度作为特征提取的尺度空间.根据罂粟和虞美人的FTIR分布情况,确定将DSWT域内2个尺度的FTIR分别划分为2个特征区域并以每个区域内的光谱能量作为特征参数.从而构造一个包含8个特征参数的特征向量,将这个特征向量输入到径向基函数神经网络(RBFNN)进行训练,从而达到正确识别罂粟和虞美人的目的.实验中共取罂粟和虞美人的FTIR数据128对,其中训练样本78对,测试样本50对.实验结果表明利用文章的方法对罂粟和虞美人的正确识别率分别为99.8%和99.9%,从而验证了方法的有效性.     

基于脑模型控制器的红外背景预测算法

在分析云背景红外图像空间分布上存在混沌现象的基础上,提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点,对云背景图像进行预测,并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明,该算法能有效地提高云背景的预测准确度,预测残差符合白噪音特性,对云背景杂波具有良好的抑制效果,能显著提高目标的信杂比,从而改善目标的检测性能.     

基于脑模型控制器的红外背景预测算法

在分析云背景红外图像空间分布上存在混沌现象的基础上,提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点,对云背景图像进行预测,并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明,该算法能有效地提高云背景的预测准确度,预测残差符合白噪音特性,对云背景杂波具有良好的抑制效果,能显著提高目标的信杂比,从而改善目标的检测性能.     

基于小波变换的红外光谱分析

利用傅里叶变换红外光谱仪,借助OMNI采样器直接、快速、准确地测定了土茯苓及其三种伪品木质部的FTIR谱,采用小波变换分析法对样品进行了详细研究。结果表明：小波变换可以去除噪声和压缩变量,具有运算速度快、分析精度高以及无需去噪后处理等优点, 在红外光谱分析中具有很好的应用前景。     

基于神经网络的结构损伤诊断的探讨

利用神经网络技术对框架结构的损伤位置和损伤程度进行了研究,用振动模态分析技术对组合结构、框架结构的动力参数进行计算,得出组合结构的各种单损伤情况和双损伤情况的各种组合的频率、竖向位移、水平位移变化数据,将这些数据和损伤位置、损伤程度之间的映射关系作为网络训练样本,用神经网络技术进行数值模拟,提出了修正隐含层节点数公式和优选振型向量的方法.说明了用低阶振型和经优选后的振型向量结合的方法进行组合结构、框架结构损伤诊断的可行性,并且用这个方法成功地解决对称结构难于判断对称损伤的难题.