利用高光譜技術(shù)對血跡種類進行無損識別研究。采用小波變換技術(shù)對400～95020nm之間的原始光譜進行去噪處理,并對處理后的光譜進行特征波段選擇,建立全波段和特征波長下的血跡種類識別模型。結(jié)果表明,利用特征波長與支持向量機（SVM）結(jié)合建立的血跡種類識別模型的識別準確率及識別時間分別為98%和0.220s,優(yōu)于全波段建立的模型。研究表明,采用高光譜技術(shù)對血跡種類識別是可行的。 

【文章來源】：太赫茲科學與電子信息學報. 2019,17(03)北大核心

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]基于高光譜技術(shù)的培養(yǎng)基上細菌菌落分類方法研究[J]. 余偉,彭寬寬,陳偉,穆渴心,譚臣,王湘如,馮耀澤.  分析化學. 2016(08)
[2]基于高光譜的冬油菜葉片磷含量診斷模型[J]. 李嵐?jié)?汪善勤,任濤,馬驛,魏全全,高雯晗,魯劍巍.  農(nóng)業(yè)工程學報. 2016(14)
[3]基于高光譜成像技術(shù)對馬鈴薯外部缺陷的識別[J]. 趙明富,劉自迪,鄒雪,吳亮,張峰,龍潔.  激光雜志. 2016(03)
[4]Ensemble20kernel20method:SVM20classification20based20on20game20theory[J]. Yufei Liu,Dechang Pi,Qiyou Cheng.  Journal of Systems Engineering and Electronics. 2016(01)
[5]近紅外透射光譜的動物全血鑒別[J]. 萬雄,王建,劉鵬希,章婷婷.  光譜學與光譜分析. 2016(01)
[6]基于可見反射光譜和遺傳區(qū)間偏最小二乘法的血跡年齡預測研究[J]. 董永芳,孟耀勇,張平麗,文瑋,李娜.  光學學報. 2015(08)
[7]基于BP神經(jīng)網(wǎng)絡的剩余油形態(tài)識別[J]. 毛國慶,滕奇志,吳擁,何海波.  太赫茲科學與電子信息學報. 2014(06)
[8]基于光譜分析技術(shù)的不同介質(zhì)血跡陳舊度研究[J]. 趙明富,馮小平,張政委,夏曦,雷建軍.  壓電與聲光. 2013(06)
[9]基于高光譜圖像技術(shù)的指紋識別研究[J]. 趙明富,夏曦,張政委,馮小平.  激光雜志. 2013(01)
[10]刑事訴訟視野下的法醫(yī)物證應用研究[J]. 樊學勇,楊濤.  證據(jù)科學. 2012(01)



本文編號：3175792