本文關(guān)鍵詞：基于γ特征譜的對(duì)象相似性識(shí)別技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：國際國內(nèi)核安全局勢的最新變化,不僅對(duì)加強(qiáng)核部件與核材料的管理與監(jiān)控,而且對(duì)國際防核擴(kuò)散機(jī)制提出了新要求,但與之相應(yīng)的核軍控與核裁軍的核查技術(shù)研發(fā)與該要求還存在較大的距離；不僅如此,隨著國內(nèi)核電產(chǎn)業(yè)的快速發(fā)展,與之相應(yīng)的大量的核原料與核廢料的處理技術(shù)的提高與管控能力的加強(qiáng)也日益迫切,這都需要大力研發(fā)相應(yīng)的無損監(jiān)測方法與分析識(shí)別技術(shù)。針對(duì)上述涉核對(duì)象來說,Y射線是最重要的出射粒子之一,高分辨的Y能譜分析可以實(shí)現(xiàn)無損條件下被測對(duì)象的判斷與識(shí)別。本論文圍繞基于高分辨γ能譜的對(duì)象相似性識(shí)別技術(shù),結(jié)合近十多年來高速發(fā)展的模式識(shí)別技術(shù)與圖像配準(zhǔn)技術(shù),展開γ能譜對(duì)象的分類識(shí)別研究,為提升核保障技術(shù)水平,核軍控、核裁軍核查提供技術(shù)儲(chǔ)備,以及下一步研究工作提供支持。本論文的研究基于VC++2010,通過與ROOT相結(jié)合,開發(fā)了相應(yīng)的程序,完成的主要工作與獲得的研究成果如下：1)采用傳統(tǒng)的Y能譜分析方法對(duì)高分辨Y能譜進(jìn)行了分析。主要分析工作包括：能譜平滑降噪、能譜尋峰、連續(xù)本底扣除、峰面積擬合等。尋峰算法為對(duì)稱零面積法與反卷積法,本底扣除利用了SNIP法進(jìn)行,峰面積擬合采用了AWMI方法。首次將小波降噪與多項(xiàng)式最小二乘平滑結(jié)合,對(duì)能譜進(jìn)行平滑降噪,提升了平滑降噪效果。2)針對(duì)Y能譜的修正,參照圖像配準(zhǔn)技術(shù)提出了Y能譜配準(zhǔn)概念,首次展開了Y能譜配準(zhǔn)研究。γ能譜基于特征的配準(zhǔn)研究開展了Y能譜預(yù)處理、特征提取、特征匹配、插值重采樣以及相似性度量等研究。重點(diǎn)研究了線性插值、拉格朗日插值、埃爾米特插值和三次樣條插值等四種插值重構(gòu)算法的γ能譜插值效果,結(jié)果表明埃爾米特插值效果優(yōu)于其他插值算法。對(duì)于相似性度量研究,研究了x2／(N-1)、擬合優(yōu)度、歐氏距離、余弦相似度、皮爾遜積矩相關(guān)系數(shù)等算法。另外插值重采樣后,研究了小波變換后多層級(jí)配準(zhǔn)后的相似性度量。3)研究了模式識(shí)別中主成分分析、線性判別分析與支持向量機(jī)對(duì)Y能譜的分類識(shí)別。其中,國內(nèi)首次開展了支持向量機(jī)研究與線性判別分析應(yīng)用于γ能譜分析。從分類結(jié)果看,線性判別分析算法分類效果優(yōu)于主成分分析法,但主成分分析法的投影空間物理意義相對(duì)較明顯。支持向量機(jī)對(duì)钚樣品的高分辨Y能譜分類訓(xùn)練的結(jié)果顯示,分類學(xué)習(xí)的交叉驗(yàn)證準(zhǔn)確率達(dá)到99%以上。
【關(guān)鍵詞】：γ能譜分析 γ能譜配準(zhǔn) 模式識(shí)別 相似性度量
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.4;O571.323
【目錄】：

• 中文摘要3-5
• Abstract5-10
• 第一章 緒論10-22
• 1.1 研究背景與意義10-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-20
• 1.3 論文章節(jié)安排20-21
• 1.4 論文的主要工作與創(chuàng)新點(diǎn)21-22
• 第二章 γ能譜解譜分析22-40
• 2.1 引言22
• 2.2 HPGe探測器的實(shí)驗(yàn)設(shè)置22-24
• 2.3 γ譜數(shù)據(jù)處理方法24-35
• 2.3.1 γ譜數(shù)據(jù)平滑降噪24-29
• 2.3.2 γ尋峰算法29-33
• 2.3.3 本底扣除33
• 2.3.4 全能峰擬合與峰面積確定33-35
• 2.4 γ能譜分析處理35-39
• 2.5 本章小結(jié)39-40
• 第三章 γ能譜配準(zhǔn)技術(shù)研究40-63
• 3.1 引言40-41
• 3.2 γ能譜配準(zhǔn)定義41-42
• 3.3 γ能譜配準(zhǔn)的基本組成42-43
• 3.4 γ能譜配準(zhǔn)的方法43-44
• 3.5 基于特征γ能譜配準(zhǔn)的主要步驟44-50
• 3.5.1 能譜的預(yù)處理44
• 3.5.2 γ能譜的特征提取44-45
• 3.5.3 特征匹配45
• 3.5.4 相似性度量45-48
• 3.5.5 能譜插值重新采樣48-50
• 3.6 基于變換域信息的方法50-52
• 3.7 γ能譜的配準(zhǔn)52-61
• 本章小結(jié)61-63
• 第四章 γ能譜模式識(shí)別技術(shù)研究63-88
• 4.1 引言63
• 4.2 主成分分析法63-69
• 4.3 主成分分析在γ譜中的應(yīng)用69-73
• 4.4 線性判別分析算法73-76
• 4.5 線性判別分析算法在γ譜中的應(yīng)用76-80
• 4.6 支持向量機(jī)80-85
• 4.7 支持向量機(jī)在γ能譜中的應(yīng)用85-87
• 本章小結(jié)87-88
• 第五章 γ特征譜的對(duì)象相似性程序設(shè)計(jì)88-94
• 5.1 軟件基本要求88
• 5.2 ROOT在VC2010下的安裝88-90
• 5.3 程序主界面與框架90-93
• 5.3.1 γ能譜分析91-92
• 5.3.2 γ能譜配準(zhǔn)92-93
• 5.3.3 γ能譜識(shí)別93
• 5.4 本章小結(jié)93-94
• 第六章 總結(jié)及展望94-97
• 6.1 總結(jié)94-95
• 6.2 展望及下一步部分工作95-97
• 參考文獻(xiàn)97-102
• 在學(xué)期間的研究成果102-103
• 致謝103

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 張靜,胡志萍,劉志泰,歐宗瑛;基于輪廓相位相關(guān)的圖像自動(dòng)拼接[J];大連理工大學(xué)學(xué)報(bào);2005年01期

2 余民才;;“打擊核恐怖主義全球倡議”的背景分析[J];法學(xué)雜志;2007年06期

3 史東生;弟宇鳴;周春林;;粒子群優(yōu)化算法在神經(jīng)網(wǎng)絡(luò)識(shí)別γ能譜中的應(yīng)用[J];核技術(shù);2007年07期

4 王一鳴;魏義祥;;用于γ全譜基線扣除的改進(jìn)SNIP算法研究[J];核電子學(xué)與探測技術(shù);2012年12期

5 袁學(xué)東,吳麗萍,龍先灌,周厚全;最優(yōu)線性聯(lián)想記憶網(wǎng)絡(luò)方法在人發(fā)X射線熒光分析中的應(yīng)用研究[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年04期

6 閆學(xué)昆;劉明健;張娜;賈銘椿;龔軍軍;;基于小波變換的γ能譜分析[J];原子能科學(xué)技術(shù);2007年04期

7 劉素萍;龔建;郝樊華;胡廣春;;Template identification technology of nuclear warheads and components[J];Chinese Physics B;2008年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 劉永剛;γ能譜譜數(shù)據(jù)分解方法研究[D];中國地質(zhì)大學(xué)（北京）;2011年

2 范昕煒;支持向量機(jī)算法的研究及其應(yīng)用[D];浙江大學(xué);2003年

3 陳亮;核素識(shí)別算法及數(shù)字化能譜采集系統(tǒng)研究[D];清華大學(xué);2009年

4 陳錦偉;敏捷衛(wèi)星遙感圖像配準(zhǔn)和拼接技術(shù)研究[D];浙江大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉麗娜;基于特征臉和多特征的人臉識(shí)別算法研究[D];山東大學(xué);2006年

  本文關(guān)鍵詞：基于γ特征譜的對(duì)象相似性識(shí)別技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：396637