特征波段

摘要： 研究烤烟叶片叶绿素含量与高光谱参数的相关性,建立叶绿素含量估算模型,为构建或筛选系统的烟叶烘烤特性评价指标奠定基础。以云烟87为研究对象,测定不同成熟度水平和不同烘烤温度下,叶片叶绿素含量及400~1000 nm光谱反射率,以烤烟叶片高光谱反射率与烤烟叶片叶绿素含量为数据源,用SPA(连续投影算法)对高光谱数据进行特征波段筛选,筛选出10个与叶绿素含量相关的特征波长作为实验样本数据,采用基于SPA算法的SPA-BP,SPA-Ridge和SPA-LR3种预测模型预测不同烘烤温度点烟叶叶片叶绿素浓度,并比较各模型的决定系数(R2),均方根误差(RMSE)以及均方误差(MRE)。3种基于SPA连续投影算法的预测模型都能较好有效预测不同烘烤温度点烟叶叶片叶绿素含量,其中SPA-BP预测模型效果最好,R2达到了0.967,RMSE为0.101,SPA-LR预测模型次之,R2达到了0.956,SPARidge预测模型最低,R2达到了0.916,经验证SPA-BP预测模型的准确率为83.33%,SPA-LR预测模型的准确率为75%,SPA-Ridge预测模型的准确率为70.83%,表明BP神经网络方法的预测效果要优于线性方法,具有更好的寻优能力和预测精度,预测模型可为烟叶烘烤过程中叶绿素含量的定性研究提供理论依据。

摘要： 基于高光谱数据综合分析不同施肥条件下谷子各生长期冠层叶绿素含量的高光谱特征,在分析各光谱特征参数与叶绿素相关性的基础上,基于偏最小二乘法和人工神经网络构建叶绿素含量的遥感反演模型。结果表明:NDVI(归一化植被指数)、GNDVI(绿色归一化植被指数)、PSNDa(特殊色素归一化指数a)、PSSRc(特征色素简单比值指数c)、RENDVI(红边归一化植被指数)及Dy(黄边幅值)与不同生育期的SPAD值均呈极显著相关关系(P<0.05)。基于上述光谱指数为自变量建立的最佳一元回归模型R^(2)(决定系数)在0.4~0.6之间,基于偏最小二乘法的回归模型R^(2)在0.55~0.71之间,RMSECV(交叉验证均方根)在1.34~2.23之间,Q^(2)_(cum)(主成分累积模型预测能力)在0.54~0.83之间,对自变量的解释能力在63.1%~95.8%之间,说明上述光谱参数对叶片叶绿素的解释程度较好。利用BP神经网络估测叶绿素含量可达到最优精度,建模集的R^(2)达到0.70以上,RMSE(均方根误差)在1.18~2.48之间。综上所述,利用BP神经网络建模效果最优。

摘要： 东北黑土地粳稻是我国优质大米的主要来源之一,常态化大面积监控其生长态势,是保障大米绿色健康和产量的生产需求,也是智慧农业发展的一种方式。本文采用地物光谱技术监测粳稻生长,基于粳稻冠层散射模型,分析叶片在可见光波段的散射现象,获得粳稻中5个最佳光谱特征波段,分别为散射峰蓝色波段475nm和绿色波段560nm、吸收峰红色波段668nm、红边效应717nm以及近红外吸收峰840nm。这些特征峰值的确定为及时发现病害和定点定量施肥等作业奠定了基础。

摘要： 【目的】为火龙果长势监测、估产、植株病害高光谱遥感诊断提供可靠依据。【方法】通过原始光谱、光谱不同形式变换和不同植被指数对火龙果植株冠层、果、枝、花等不同部位进行识别,运用主成分分析法提取火龙果不同部位的特征波段,构建BP神经网络模型,分析火龙果不同部位的波段特征,检验BP神经网络模型识别准确率。【结果】在波长400~630 nm内,火龙果花的光谱反射率最高,冠层、枝、果差异不明显,而640~1140 nm光谱反射差异明显;最佳识别光谱特征波段位置为520 nm、642 nm、664 nm、726 nm、950 nm、1000 nm、1130 nm、1330 nm、1345 nm;基于植被指数而言,RVI对于火龙果植株冠层、枝和花识别能力最强,GRVI对于果识别能力最强。通过主成分分析并提取特征波段(1054~1087 nm和812~825 nm)构建的BP神经网络模型识别准确率达82.8%。【结论】基于高光谱数据可实现火龙果植株不同部位的精准识别,同时特征波谱为火龙果病害植株遥感诊断提供信息参考。

摘要： 脂肪作为牛奶中的重要营养成分,是评价牛奶质量的一项重要指标。高光谱图像技术能够提供几十到数千波长的数据,能够反映牛奶中不同组成成分细微的光谱差异;另一方面,相邻波段之间往往具有很强的相关性,不仅增加了计算量,而且容易造成维数灾难等问题,因此对高光谱数据进行波段选择非常重要。工作中提出了PLS-ACO特征波段选择方法,并与遗传算法结合,组合成了PLS-ACO-GA的特征波段选择新方法。提出的两种方法以蚁群算法为基础,PLS回归模型回归系数的绝对值作为评价波长重要性的主要依据,以此作为蚁群算法的启发式信息,利用蚁群算法进行智能搜索,结合遗传算法,产生更多优秀的特征波段组合,避免PLS-ACO算法得到的只是局部最优解,得到的最优波段组合能够更好的反映牛奶中脂肪成分的信息;通过计算波长贡献率,筛选出最优波段组合,并与遗传算法,CARS算法和基本蚁群算法光谱特征选择方法比较,最后比较不同特征选择方法下的PLS回归模型预测效果。PLS-ACO,PLS-ACO-GA,CARS,GA和ACO分别筛选了牛奶样品光谱中的18,16,40,43和42个特征波段。其中PLS-ACO-GA筛选波段后的PLS预测模型效果最好,预测集R_(p)^(2)和RMSEP分别为0.9976和0.0622,PLS-ACO次之,预测集R_(p)^(2)和RMSEP分别为0.9970和0.0778。PLS-ACO和PLS-ACO-GA不仅减少了特征波段数量,而且提高了模型的精度。对PLS-ACO-GA进行特征波段选择后的数据,建立MLR,RFR和PLS回归预测模型。MLR预测模型的R_(p)^(2)和RMSEP分别为0.9976和0.0623。RFR回归模型R_(p)^(2)和RMSEP分别为0.9999和0.0030,PLS回归模型的R_(p)^(2)和RMSEP分别为0.9976和0.0622。RFR模型在三种回归预测模型中表现最好。研究结果表明PLS-ACO和PLS-ACO-GA这两种方法可以实现光谱数据特征波段选择,高光谱技术可以实现牛奶中脂肪含量的检测,为牛奶脂肪含量检测提供了一种新的、快速无损的方法。

摘要： 矿产资源开采中产生的废渣废液长期堆存后产生的渗滤液向土壤中扩散易造成周围土壤的重金属污染,影响作物生长;人类通过食物链食用含重金属元素的果实后,会引起神经系统的神经衰弱、手足麻木,消化系统的消化不良,血液中毒和肾损伤等症状;这种对生态环境和人身安全的污染和损害是十分严重的。因此如何快速有效摸清矿区周围农作物土壤污染情况尤为重要。多光谱遥感由于具备光谱分辨率高、实时无损、大面积监测等优势,在突破植被屏障监测土壤重金属上具有巨大的潜力。以平谷区主要的农作物桃树为研究对象,利用桃叶的高光谱数据、土壤采样数据,分析桃叶光谱曲线的响应特性,对桃叶反射光谱进行一阶/二阶微分、标准正态、连续去统等四种变换,结合相关分析及多元线性回归模型确定光谱特征变量,构建植被指数HMSVI;结果表明HMSVI与土壤中Cd,AS和Pb含量的相关性较常用植被指数高。运用线型回归方法进行元素含量与植被指数HMSVI建模后,选取拟合较好的模型,实现了叶片高光谱与土壤重金属含量的统计建模,最后利用Sentinel-2遥感影像反演三种重金属含量空间分布,并对结果进行精度验证。结果表明:受重金属胁迫叶片的平均光谱反射率高于正常叶片且红边位置发生了“蓝移”现象。780,945和1375 nm三个波段对三种重金属污染都较为敏感,利用三个波段构建的植被指数建立的反演模型能较好的用于桃林土壤重金属元素含量预测,其预测模型分别为Y=0.44X+0.193,Y=7.436lnX+13.161,Y=-15.359X+13.583X~2+23.541,且具有较好稳定性和适宜性。空间反演结果表示,三种重金属高值区均大面积的分布在平谷区刘家店尾矿库、万庄尾矿库、金海湖尾矿库附近,西部相比东部矿区重金属污染更为严重。研究结果可以为北京平谷区桃林重金属污染的预防与治理提供基础数据支持。

摘要： 采用近红外光谱分析技术,对基酒总酯进行无损检测研究.利用近红外光谱仪采集基酒样品在4000～10000 cm-1波段内的光谱数据,首先对光谱数据进行一阶导数预处理,然后采用Si-PLS组合间隔偏最小二乘法优选特征波长,最后运用PLS偏最小二乘法建立基酒总酯模型.该模型校正集的决定系数R2C为0.95,校正集的均方根误差RMSEC为0.17;预测集的决定系数R2P为0.93、预测集的均方根误差RMSEP为0.19.与全波段光谱模型相比,该模型预测能力更强,稳定性更优.

摘要： 为提高制浆树种的利用效率,缓解国内制浆造纸原料短缺的现状,降低行业污染与总体成本,尝试将近红外光谱技术用于海南省制浆树种的成分含量分析,以期根据实时所得成分含量相应调整工艺参数.用结构简单、易改装的全息光栅分光近红外光谱仪采集了海南省常见的适龄制浆树种(尾细桉、尾巨桉、尾叶桉、马占相思和粗果相思)共205个样本的近红外光谱,按传统实验室方法分析其主要成分——综纤维素和木质素的含量.选择合适的预处理方法与偏最小二乘法结合,建立了两种分析模型,并通过遗传算法剔除不相关的变量,筛选出特征波段,明确综纤维素和木质素的特征吸收,优化了模型.其中综纤维素分析模型建立时采用Savitzky-Golay 13点3倍平滑、矢量归一化和一阶导数预处理原始光谱,1150.3～2362.0 nm波段参与建模.筛选出的波段包含了1188～1196 nm之间C H3中C—H伸缩振动的二级倍频吸收,1742～1633 nm区间内O—H伸缩振动的一级倍频,2112 nm附近O—H变形振动、O—H伸缩振动的合频等纤维素的特征吸收;也包含了1470～1495 nm之间O—H伸缩振动的一级倍频,1906和1911 nm附近C O伸缩振动的二级倍频等聚戊糖的特征吸收.模型RMSEP值为0.55％,绝对偏差范围为-0.91％ ～0.87％.木质素分析模型建立时采用Savitzky-Golay 13点3倍平滑、多元信号校正和二阶导数预处理原始光谱,1137.6～1872.5和2131.0～2424.1 nm波段参与建模.筛选出的波段包含了1143 nm附近苯环C—H伸缩振动的二级倍频吸收和CH3的C—H伸缩振动的二级倍频吸收,1670～1684 nm处苯环C—H伸缩振动的一级倍频,2205 nm附近C—H、C O伸缩振动的合频等木质素的特征吸收.模型RMSEP值为0.45％,绝对偏差范围为-0.76％ ～0.79％.两个模型的RPD值分别为4.71和3.47,均能满足制浆树种主要成分在线快速分析测定的工业需求.同时,本研究为制浆树种近红外表征体系的建立提供了理论依据,对近红外技术助力制浆造纸工业由自动化向智能化转变具有较为显著的意义.

摘要： 为探索航空高光谱遥感开展大比例尺、大面积土壤重金属含量和分布特征快速调查的技术方法和工作流程,以苏北灌河地区为例,利用国产高光谱成像仪和自主集成的航空高光谱遥感测量系统获取影像光谱数据,通过数据预处理、CARS特征波段选择及BP神经网络建模反演等方法,建立了从数据获取到数据分析评价的工作流程,反演了土壤重金属元素含量,展示了其空间分布特征。与传统地球化学调查数据进行对比分析,结果显示高光谱反演成果与地球化学调查的重金属浓度空间分布特征吻合度较高,验证了航空高光谱反演耕地土壤重金属分布特征的可靠性。在区域性耕地土壤重金属污染调查评价方面,航空高光谱遥感能够快速、及时地获取土壤污染及相关信息,并具有很好的实用性和经济性。

摘要： 以博斯腾湖湖滨绿洲为研究区,采用分数阶微分对光谱指数进行波段优化,筛选高光谱数据的特征波段,利用偏最小二乘回归(PLSR)和支持向量机(SVM)构建土壤电导率高光谱数据的估算模型.研究结果表明:(1)分数阶微分的高光谱数据与土壤电导率的相关性:随着分数阶微分阶数的增加,特征波段数呈现逐渐增加的趋势,2阶是特征波段数量最多的阶数,特征波段数量为335(P=0.01),相关系数绝对值最大为0.64.(2)分数阶微分优化光谱指数的高光谱数据:随着分数阶微分阶数的增加,光谱矩阵图表现为相关系数在正负值之间波动较大,0.8阶在光谱指数DSI的相关系数绝对值最大为0.75;平方根、对数、倒数的相关系数绝对值最大为0.64.(3)基于PLSR和SVM构建土壤电导率估算模型:基于0.8阶微分和光谱指数DSI筛选的特征波段建立的估算模型估算效果较好,其中SVM构建的估算模型最优,模型精度为RSVMc2=0.89,RMSESVMc=0.03,RSVMv2=0.80,RMSESVMv=1.12.利用SVM估算模型可以有效地对研究区土壤电导率进行定量估算.

摘要： 本发明提供了一种多波段角度特征图的生成方法，包括：获取地物目标的多幅二维合成孔径雷达SAR图像，多幅二维SAR图像包括不同波段或方位角的二维SAR图像，二维SAR图像包括特征点；根据特征点，将多幅二维SAR图像相互配准并融合，得到融合后的二维SAR图像；将不同的波段或方位角映射不同的颜色，构建色彩图片；将色彩图片和融合后的二维SAR图像相结合，生成地物目标的多波段角度特征图。本公开还提供了一种多波段角度特征图的生成装置、电子设备以及计算机可读存储介质。

摘要： 本发明公布了一种标记监测指标的KPI曲线的波段特征的方法，将KPI曲线分割为若干段等长的波段，根据波段的非时间维度聚类成多个簇，提取各个簇的基波，比较各个簇的各波段数据与基波的相似度，找出各个簇的分组边界线，将各个簇的各波段数据分组，提取各簇中连续同类波段的总时间长度，取总时间长度的最大值作为滑动窗口宽度。该窗口用于分割KPI曲线，使分割后的各窗口中波段容易聚类归类，利于将对整KPI曲线的迅速成由不同类型波段组成的波段链，然后对单独监测指标的KPI曲线进行周期检测和类型检测标记标签，再利用该窗口分割单独的KPI曲线，利用基波KPI曲线内的波段进行分组加标签。

摘要： 本发明公布了基于日志关键词生成KPI曲线并标记波段特征的方法，根据日志中的高频关键词先生成日志KPI曲线，再将KPI曲线分割为若干段等长的波段，根据波段的非时间维度聚类成多个簇，提取各个簇的基波，比较各个簇的各波段数据与基波的相似度，找出各个簇的分组边界线，将各个簇的各波段数据分组，提取各簇中连续同类波段的总时间长度，取总时间长度的最大值作为滑动窗口宽度。该窗口用于分割KPI曲线，使分割后的各窗口中波段容易聚类归类，利于将对整KPI曲线的迅速成由不同类型波段组成的波段链，然后对单独监测指标的KPI曲线进行周期检测和类型检测标记标签，再利用该窗口分割单独的KPI曲线，利用基波KPI曲线内的波段进行分组加标签。

摘要： 本发明公布了基于日志事件关系生成KPI曲线并标记波段特征的方法，根据日志中事件的关系先生成日志KPI曲线，再将KPI曲线分割为若干段等长的波段，根据波段的非时间维度聚类成多个簇，提取各个簇的基波，比较各个簇的各波段数据与基波的相似度，找出各个簇的分组边界线，将各个簇的各波段数据分组，提取各簇中连续同类波段的总时间长度，取总时间长度的最大值作为滑动窗口宽度。该窗口用于分割KPI曲线，使分割后的各窗口中波段容易聚类归类，利于将对整KPI曲线的迅速成由不同类型波段组成的波段链，然后对单独监测指标的KPI曲线进行周期检测和类型检测标记标签，再利用该窗口分割单独的KPI曲线，利用基波KPI曲线内的波段进行分组加标签。

摘要： 本申请涉及数据处理技术领域，特别涉及一种基于语音波段特征的数据文件加密方法和存储设备。所述一种基于语音波段特征的数据文件加密方法，包括步骤：获取音频密钥信息；对所述音频密钥信息进行处理得语音内容和语音特征模型；通过预置算法对所述语音内容和语音特征模型的参数进行计算，得加密用的随机因子；使用所述随机因子对数据文件进行加密。通过以上方式对数据文件进行加密，整个过程及其方便简单，并且因声纹的唯一性，只有加密人才可以对加密文件进行解密查看文件内容，大大确保了文件的安全性。

摘要： 本发明公开了一种基于波段子集的高光谱图像特征提取方法、系统与设备，该方法包括：采集高光谱图像，并对所述高光谱图像进行预处理；对所述高光谱图像的所有波段进行分组，得到若干个波段子集；提取各个波段子集的特征，生成特征图像；采用面向对象方法对所述特征图像进行地物分类。本发明能够降低计算复杂度，提高图像分类精度。

摘要： 本发明公开了一种基于室内标样高光谱特征的土壤重金属Cd含量反演建模及其光谱响应特征波段识别方法，首先人为设计不同Cd污染含量下的标准土壤样本，利用土壤背景样本实验室添加污染物制作Cd污染标样，并分析其理化性质，获得土壤标样室内光谱及重金属Cd含量数据；然后，采用光谱重采样—标准正态变换(SNV)—一阶/二阶微分—背景样比值系列光谱变换方法实现光谱数据的预处理，同时采用描述性统计分析土壤重金属Cd含量；最后，采用偏最小二乘回归方法构建土壤重金属Cd含量反演模型，基于模型提取光谱响应特征波段。这是当前在土壤采样成本高，效率低，难以满足大范围、快速实现土壤重金属含量反演条件下，发明的一种可准确、高效估算土壤重金属Cd含量的方法。

摘要： 本发明涉及一种基于波段注意力机制的高光谱图像特征波段选择方法，包括步骤：高光谱图像数据集采集与预处理；利用注意力模块提取原始高光谱图像的光谱特征信息，生成包含波段注意力信息的光谱数据块；将包含波段注意力信息的数据块输入基于三维残差网络的神经网络进行预测分析。本发明的有益效果是：本发明利用波段注意力模块生成波段注意力图；通过元素乘法对原始数据加权，本发明基于注意力模块挑选的特征波段具有代表性，并且总体神经网络模型连接三维残差网络进行预测分析，具有良好性能；本发明面向对象级别进行样本分析，将整个原始数据块作为输入，将特征波段选择与预测任务相结合，是一种高有效性、高普适性的方法。

摘要： 本发明公开了一种基于室内标样高光谱特征的土壤重金属Cd含量反演建模及其光谱响应特征波段识别方法，首先人为设计不同Cd污染含量下的标准土壤样本，利用土壤背景样本实验室添加污染物制作Cd污染标样，并分析其理化性质，获得土壤标样室内光谱及重金属Cd含量数据；然后，采用光谱重采样—标准正态变换(SNV)—一阶/二阶微分—背景样比值系列光谱变换方法实现光谱数据的预处理，同时采用描述性统计分析土壤重金属Cd含量；最后，采用偏最小二乘回归方法构建土壤重金属Cd含量反演模型，基于模型提取光谱响应特征波段。这是当前在土壤采样成本高，效率低，难以满足大范围、快速实现土壤重金属含量反演条件下，发明的一种可准确、高效估算土壤重金属Cd含量的方法。

摘要： 本发明提供了一种基于GWAS筛选后近红外光谱特征波段预测品质的方法及系统，应用了特有的近红外光谱特征波段筛选策略，首先利用近红外光谱采集设备对配置的原始样本进行扫描，获取样本的光谱数据，并测定样本的各项肉质性状理化指标，然后按照设定的方式将两种数据导入到对应的系统中进行GWAS分析，进而依据分析的结果和设定的阈值线绘制匹配的曼哈顿图，基于图中的信息筛选出各个肉质性状指标对应的超过阈值的多个匹配波段，最终基于筛选的波段利用近红外光谱技术实现肉类品质的预测，一方面克服了传统预测流程中设备性能溢出和成本高的问题，将预测成本控制在合理水平，另一方面简化了数据处理的流程，优化预测时效性的同时提升了预测结果的精确度。