高光譜遙感技術(shù)是近年來發(fā)展起來的一種新型光譜技術(shù),高光譜技術(shù)使得人們認(rèn)識世界和事物的能力有了質(zhì)的提高。“圖譜合一”的高光譜數(shù)據(jù)不僅包含樣品的空間信息,還能提取樣品的光譜信息。這樣高光譜圖像就具有信息量大、光譜分辨率高等特性,因此它不僅能夠提供豐富的物質(zhì)表面信息,而且還能提供反映物質(zhì)組成特性等更為豐富的光譜信息。因此,基于高光譜圖像數(shù)據(jù)潛在特性的研究受到了國內(nèi)外學(xué)者的廣泛關(guān)注。其應(yīng)用領(lǐng)域涉及如精細(xì)農(nóng)業(yè)、大氣研究、環(huán)境監(jiān)測、醫(yī)學(xué)等。目前國內(nèi)使用高光譜技術(shù)在珠寶種類識別和真?zhèn)舞b別方面處于研究階段,具有光譜的應(yīng)用前景和技術(shù)優(yōu)勢。本文主要采用北京卓立漢光GaiaSorter高光譜分選儀對知珠網(wǎng)提供的17種標(biāo)準(zhǔn)珠寶樣品和待檢測珠寶樣品進行采集和數(shù)據(jù)提取。探討了對珠寶高光譜數(shù)據(jù)進行圖像預(yù)處理、圖像特征提取與特征選擇、珠寶光譜匹配方法等內(nèi)容。在本論文中,我們按照以下流程進行操作和論述:首先,對高光譜圖像各種預(yù)處理方法做了較為詳細(xì)的論述和比較,采用Savitzky-Golay平滑方法對原始光譜曲線進行平滑處理,詳細(xì)論述了高光譜圖像的特征提取和特征選擇的若干種方法,將預(yù)處理后和特征提取的珠寶樣品光譜數(shù)據(jù)建... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究目的和意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 本文主要內(nèi)容和技術(shù)路線
        1.4.1 主要研究內(nèi)容
        1.4.2 本文結(jié)構(gòu)安排
        1.4.3 技術(shù)路線
    1.5 小結(jié)
第2章 珠寶光譜圖像數(shù)據(jù)采集
    2.1 高光譜圖像技術(shù)介紹
    2.2 實驗材料和成像設(shè)備
        2.2.1 實驗材料
        2.2.2 高光譜數(shù)據(jù)采集儀器
    2.3 珠寶高光譜數(shù)據(jù)采集與標(biāo)定
    2.4 珠寶高光譜數(shù)據(jù)提取
    2.5 建立珠寶高光譜波譜數(shù)據(jù)庫
    2.6 小結(jié)
第3章 珠寶高光譜圖像數(shù)據(jù)預(yù)處理
    3.1 數(shù)據(jù)增強算法
    3.2 平滑去噪算法
    3.3 導(dǎo)數(shù)光譜算法
    3.4 傅立葉變換
    3.5 小波變換
    3.6 珠寶樣品高光譜圖譜數(shù)據(jù)預(yù)處理
    3.7 小結(jié)
第4章 高光譜圖譜特征提取與特征選擇方法研究
    4.1 高光譜特征向量模型
    4.2 高光譜特征提取
    4.3 高光譜特征選擇
        4.3.1 包絡(luò)線去除
        4.3.2 特征波段區(qū)分類別
        4.3.3 光譜波段距離度量
    4.4 光譜特征提取方法
        4.4.1 主成分分析（PCA）
        4.4.2 獨立成分分析（ICA）
        4.4.3 最小噪聲分離（MNF）
    4.5 珠寶樣品高光譜圖像分類預(yù)測模型
        4.5.1 四種珠寶樣品高光譜圖像分類
        4.5.2 PLS-DA偏最小二乘法判別分析預(yù)測模型
    4.6 小結(jié)
第5章 基于光譜匹配技術(shù)的珠寶鑒定方法研究
    5.1 不同品種珠寶光譜分析
    5.2 珠寶種類識別的建模方法研究
    5.3 傳統(tǒng)光譜匹配算法建模方法研究
        5.3.1 最小距離匹配
        5.3.2 光譜角（SAM）匹配算法
        5.3.3 光譜相關(guān)系數(shù)（SCC）
        5.3.4 光譜信息散度（SID）
        5.3.5 單一光譜相似性測度算法實驗
    5.4 組合光譜匹配算法建模方法研究
        5.4.1 歐式距離-光譜角余弦（SAM-ED）相似性測度算法
        5.4.2 歐式距離-相關(guān)系數(shù)（SCC-ED）相似性測度算法
    5.5 小結(jié)
第6章 總結(jié)與展望
    6.1 研究內(nèi)容
    6.2 不足和展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]可見/近紅外高光譜成像技術(shù)對雞蛋種類無損判別[J]. 丁佳興,楊曉玉,房盟盟,何建國.  發(fā)光學(xué)報. 2018(03)
[2]基于可見光波段包絡(luò)線去除的濕地植物葉片葉綠素估算[J]. 郭超凡,郭逍宇.  生態(tài)學(xué)報. 2016(20)
[3]基于高光譜圖像技術(shù)的馬鈴薯種類的鑒別[J]. 王麗艷,薛河儒,姜新華,王春蘭.  內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2016(02)
[4]光譜角余弦與相關(guān)系數(shù)測度組合的光譜匹配分類方法與實驗[J]. 魏祥坡,余旭初,付瓊瑩,劉冰,薛志祥.  地理與地理信息科學(xué). 2016(03)
[5]基于高光譜圖像技術(shù)的大豆品種無損鑒別[J]. 柴玉華,畢文佳,譚克竹,張春雷,劉春濤.  東北農(nóng)業(yè)大學(xué)學(xué)報. 2016(03)
[6]基于高光譜圖像的桑葉農(nóng)藥殘留種類鑒別研究[J]. 孫俊,張梅霞,毛罕平,李正明,楊寧,武小紅.  農(nóng)業(yè)機械學(xué)報. 2015(06)
[7]基于高光譜技術(shù)的玉石鑒定及模型研究[J]. 鄒艷秋,劉衛(wèi)東,金尚忠.  分析試驗室. 2015(05)
[8]基于光譜信息散度與光譜角匹配的高光譜解混算法[J]. 劉萬軍,楊秀紅,曲海成,孟煜.  計算機應(yīng)用. 2015(03)
[9]基于光譜匹配技術(shù)的古重彩畫顏料鑒定研究[J]. 丁新峰.  環(huán)球人文地理. 2014(24)
[10]基于Savitzky-Golay算法的曲線平滑去噪[J]. 雷林平.  電腦與信息技術(shù). 2014(05)

博士論文
[1]高光譜技術(shù)在馬鈴薯品種鑒別及品質(zhì)無損檢測中的應(yīng)用研究[D]. 姜微.東北農(nóng)業(yè)大學(xué) 2017
[2]高光譜遙感數(shù)據(jù)特征提取與特征選擇方法研究[D]. 魏峰.西北工業(yè)大學(xué) 2015
[3]光譜及高光譜成像技術(shù)在作物特征信息提取中的應(yīng)用研究[D]. 馬淏.中國農(nóng)業(yè)大學(xué) 2015
[4]高光譜顯微圖像的特征提取與分類方法及其應(yīng)用研究[D]. 戴春妮.華東師范大學(xué) 2009
[5]高光譜遙感土地利用信息提取技術(shù)研究[D]. 劉順喜.北京林業(yè)大學(xué) 2005

碩士論文
[1]基于高光譜的寒地水稻葉片氮素營養(yǎng)診斷研究[D]. 趙越.東北農(nóng)業(yè)大學(xué) 2017
[2]基于高光譜反射率數(shù)據(jù)的冬油菜氮養(yǎng)分診斷[D]. 李露.華中農(nóng)業(yè)大學(xué) 2017
[3]基于成像光譜數(shù)據(jù)的文物隱藏信息提取研究[D]. 郭新蕾.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2017
[4]基于機器視覺和近紅外高光譜的冬棗檢測方法研究[D]. 孫世鵬.西北農(nóng)林科技大學(xué) 2017
[5]基于光譜匹配技術(shù)的青藏高原典型植被識別與提取[D]. 明群杰.中國地質(zhì)大學(xué)(北京) 2017
[6]基于高光譜成像技術(shù)的文物顏料研究[D]. 丁新峰.北京建筑大學(xué) 2015
[7]基于光譜成像技術(shù)的農(nóng)作物特征波段提取與分類研究[D]. 曹鵬飛.云南師范大學(xué) 2014
[8]基于微型光纖光譜儀的寶石鑒別研究[D]. 王丹丹.河北大學(xué) 2013
[9]基于光譜匹配的高光譜巖礦識別技術(shù)研究[D]. 黃婷婷.南京理工大學(xué) 2012
[10]基于高光譜成像技術(shù)的煙葉病害識別方法研究[D]. YUSUF BABANGIDA LAWAL“巴邦齊達”.浙江大學(xué) 2012



本文編號：3004994