光学专业毕业论文光学专业毕业论文 精品论文精品论文 小波变换在光谱和多光谱图像的小波变换在光谱和多光谱图像的应用与研究应用与研究关键词：小波变换关键词：小波变换 可见近红外光谱可见近红外光谱 多光谱图像多光谱图像 噪声去除噪声去除 盲解卷积盲解卷积摘要：本论文分为两部分：小波变换在光谱定量分析与多光谱图像的应用。 小波分析技术是新近出现的数学方法，近年来，在光谱分析得到广泛的应用。 本论文介绍小波变换和多分辨分析的原理和方法，并将其应用于光谱信号的噪 声去除、有用信息的提取等方面，取得良好效果。 将小波变换技术应用于 MS-3100 多光谱图像的近红外通道(Ir)图像的边缘特征提取。同时，将盲解卷 积恢复技术结合小波变换的边界提取技术，在一定程度抑制了模糊图像恢复时 产生的振铃效应。 本论文具体的主要研究内容和结果如下： (1)在小波变 换阈值去噪技术中，一般分为硬阈值与软阈值技术两种方法，硬阈值技术会造 成重构信号的振荡，软阈值技术会造成重构信号与真实信号的偏差。针对这一 缺陷，本论文提出了提升阈值法，在此方法中，利用-可变参数对不同信号的特 点自适应地进行()值调节。同时，在小波变换去噪技术中，其它参数(如小波函 数、分解层数、阈值估计函数)对去噪质量都有一定的影响。针对这种情况，本 论文提出用模拟退火算法( Simulated Annealing Algorithm，SAA)来优化这些 参数，并将提出的算法应用于奶粉的可见-近红外光谱中。结果表明，与其它参 数的去噪结果相比，模拟退火算法寻找到的这些参数即是最优的参数。 (2) 针对在小波包变换(WPT)产生的频带混乱问题，在不改变 WPT 原算法的基础上， 本论文提出了解决频带混乱问题的新算法。并将新算法应用于近红外光谱的小 波包分解中，使其在小波包分解域的物理意义清晰化。 (3)在小波包分解域 中，不同的子频带对模型的贡献是不同的。因此，本论文提出利用 SAA 对其寻 优，寻找出对模型贡献最大的子带频。提出的方法应用于月挂酸成分预测的红 外光谱和机油分类的可见-近红外光谱中，用偏最小二乘回归(PLS)建立模型， 相比于用全光谱建立的模型，月挂酸的成分预测均方根误差分别从 7.9557 提高 到 6.6787，机油分类的成分预测均方根误差从 0.2383 提高到 0.1031。 (4) 针对无信息去除算法(UVE)阈值选择的随机性和主观性，提出了改进无信息去除 算法(IUNE)，即用 SAA 来寻找最优阈值。同样地将 IUVE 应用于月挂酸成分预测 的红外光谱和机油分类的可见.近红外光谱中，也用偏最小二乘回归(PLS)建立 模型，相比于传统的 UVE，月挂酸的成分预测均方根误差分别从 7.3171 提高到 7.0171，机油分类从 0.1044 提高到 0.0991。同时，根据在小波包分解域中用 少数的几个系数就能够表达大部分原始光谱信息的特点，提出了 WPT 结合 IUVE 的方法，从而能够得到紧凑而高效的模型。并将此方法应用于月挂酸成分预测 的红外光谱和机油分类的可见.近红外光谱中，相比用原始光谱数据的 IUVE 中， 在没有降低预测均方根误差的前提下，相应的模型所用的变量数目分别从 319 减少到 164 和 472 减少到 13。 (5)在 MS3100 多光谱成像仪的三个图像通道 中，Ir 通道图像特别适合用于作物杂草与背景物(如土壤等)的区分，这非常有 利于杂草识别。而形状是识别作物与杂草重要的判别之一，为了把杂草与作物 区别，往往需要对采集的图像进行边缘检测。基于 B 样条小波变换技术的边缘 提取算法，有效地弥补了传统的边缘检测检测算法的不足，从而提高边缘定位 精度。本论文结合多光谱图像技术和 B 样条小波边缘提取技术，有效地提取作物与杂草的边缘信息。同时，结合盲解卷积技术与 B 样条小波边缘提取技术， 在一定程度上抑制了图像恢复所产生的振铃效应现象。正文内容正文内容本论文分为两部分：小波变换在光谱定量分析与多光谱图像的应用。 小 波分析技术是新近出现的数学方法，近年来，在光谱分析得到广泛的应用。本 论文介绍小波变换和多分辨分析的原理和方法，并将其应用于光谱信号的噪声 去除、有用信息的提取等方面，取得良好效果。 将小波变换技术应用于 MS- 3100 多光谱图像的近红外通道(Ir)图像的边缘特征提取。同时，将盲解卷积恢 复技术结合小波变换的边界提取技术，在一定程度抑制了模糊图像恢复时产生 的振铃效应。 本论文具体的主要研究内容和结果如下： (1)在小波变换阈 值去噪技术中，一般分为硬阈值与软阈值技术两种方法，硬阈值技术会造成重 构信号的振荡，软阈值技术会造成重构信号与真实信号的偏差。针对这一缺陷， 本论文提出了提升阈值法，在此方法中，利用-可变参数对不同信号的特点自适 应地进行()值调节。同时，在小波变换去噪技术中，其它参数(如小波函数、分 解层数、阈值估计函数)对去噪质量都有一定的影响。针对这种情况，本论文提 出用模拟退火算法( Simulated Annealing Algorithm，SAA)来优化这些参数， 并将提出的算法应用于奶粉的可见-近红外光谱中。结果表明，与其它参数的去 噪结果相比，模拟退火算法寻找到的这些参数即是最优的参数。 (2)针对在 小波包变换(WPT)产生的频带混乱问题，在不改变 WPT 原算法的基础上，本论文 提出了解决频带混乱问题的新算法。并将新算法应用于近红外光谱的小波包分 解中，使其在小波包分解域的物理意义清晰化。 (3)在小波包分解域中，不 同的子频带对模型的贡献是不同的。因此，本论文提出利用 SAA 对其寻优，寻 找出对模型贡献最大的子带频。提出的方法应用于月挂酸成分预测的红外光谱 和机油分类的可见-近红外光谱中，用偏最小二乘回归(PLS)建立模型，相比于 用全光谱建立的模型，月挂酸的成分预测均方根误差分别从 7.9557 提高到 6.6787，机油分类的成分预测均方根误差从 0.2383 提高到 0.1031。 (4)针 对无信息去除算法(UVE)阈值选择的随机性和主观性，提出了改进无信息去除算 法(IUNE)，即用 SAA 来寻找最优阈值。同样地将 IUVE 应用于月挂酸成分预测的 红外光谱和机油分类的可见.近红外光谱中，也用偏最小二乘回归(PLS)建立模 型，相比于传统的 UVE，月挂酸的成分预测均方根误差分别从 7.3171 提高到 7.0171，机油分类从 0.1044 提高到 0.0991。同时，根据在小波包分解域中用 少数的几个系数就能够表达大部分原始光谱信息的特点，提出了 WPT 结合 IUVE 的方法，从而能够得到紧凑而高效的模型。并将此方法应用于月挂酸成分预测 的红外光谱和机油分类的可见.近红外光谱中，相比用原始光谱数据的 IUVE 中， 在没有降低预测均方根误差的前提下，相应的模型所用的变量数目分别从 319 减少到 164 和 472 减少到 13。 (5)在 MS3100 多光谱成像仪的三个图像通道 中，Ir 通道图像特别适合用于作物杂草与背景物(如土壤等)的区分，这非常有 利于杂草识别。而形状是识别作物与杂草重要的判别之一，为了把杂草与作物 区别，往往需要对采集的图像进行边缘检测。基于 B 样条小波变换技术的边缘 提取算法，有效地弥补了传统的边缘检测检测算法的不足，从而提高边缘定位 精度。本论文结合多光谱图像技术和 B 样条小波边缘提取技术，有效地提取作 物与杂草的边缘信息。同时，结合盲解卷积技术与 B 样条小波边缘提取技术， 在一定程度上抑制了图像恢复所产生的振铃效应现象。 本论文分为两部分：小波变换在光谱定量分析与多光谱图像的应用。 小波分 析技术是新近出现的数学方法，近年来，在光谱分析得到广泛的应用。本论文介绍小波变换和多分辨分析的原理和方法，并将其应用于光谱信号的噪声去除、 有用信息的提取等方面，取得良好效果。 将小波变换技术应用于 MS-3100 多 光谱图像的近红外通道(Ir)图像的边缘特征提取。同时，将盲解卷积恢复技术 结合小波变换的边界提取技术，在一定程度抑制了模糊图像恢复时产生的振铃 效应。 本论文具体的主要研究内容和结果如下： (1)在小波变换阈值去噪 技术中，一般分为硬阈值与软阈值技术两种方法，硬阈值技术会造成重构信号 的振荡，软阈值技术会造成重构信号与真实信号的偏差。针对这一缺陷，本论 文提出了提升阈值法，在此方法中，利用-可变参数对不同信号的特点自适应地 进行()值调节。同时，在小波变换去噪技术中，其它参数(如小波函数、分解层 数、阈值估计函数)对去噪质量都有一定的影响。针对这种情况，本论文提出用 模拟退火算法( Simulated Annealing Algorithm，SAA)来优化这些参数，并将 提出的算法应用于奶粉的可见-近红外光谱中。结果表明，与其它参数的去噪结 果相比，模拟退火算法寻找到的这些参数即是最优的参数。 (2)针对在小波 包变换(WPT)产生的频带混乱问题，在不改变 WPT 原算法的基础上，本论文提出 了解决频带混乱问题的新算法。并将新算法应用于近红外光谱的小波包分解中， 使其在小波包分解域的物理意义清晰化。 (3)在小波包分解域中，不同的子 频带对模型的贡献是不同的。因此，本论文提出利用 SAA 对其寻优，寻找出对 模型贡献最大的子带频。提出的方法应用于月挂酸成分预测的红外光谱和机油 分类的可见-近红外光谱中，用偏最小二乘回归(PLS)建立模型，相比于用全光 谱建立的模型，月挂酸的成分预测均方根误差分别从 7.9557 提高到 6.6787， 机油分类的成分预测均方根误差从 0.2383 提高到 0.1031。 (4)针对无信息 去除算法(UVE)阈值选择的随机性和主观性，提出了改进无信息去除算法(IUNE)， 即用 SAA 来寻找最优阈值。同样地将 IUVE 应用于月挂酸成分预测的红外光谱和 机油分类的可见.近红外光谱中，也用偏最小二乘回归(PLS)建立模型，相比于 传统的 UVE，月挂酸的成分预测均方根误差分别从 7.3171 提高到 7.0171，机油 分类从 0.1044 提高到 0.0991。同时，根据在小波包分解域中用少数的几个系 数就能够表达大部分原始光谱信息的特点，提出了 WPT 结合 IUVE 的方法，从而 能够得到紧凑而高效的模型。并将此方法应用于月挂酸成分预测的红外光谱和 机油分类的可见.近红外光谱中，相比用原始光谱数据的 IUVE 中，在没有降低 预测均方根误差的前提下，相应的模型所用的变量数目分别从 319 减少到 164 和 472 减少到 13。 (5)在 MS3100 多光谱成像仪的三个图像通道中，Ir 通道 图像特别适合用于作物杂草与背景物(如土壤等)的区分，这非常有利于杂草识 别。而形状是识别作物与杂草重要的判别之一，为了把杂草与作物区别，往往 需要对采集的图像进行边缘检测。基于 B 样条小波变换技术的边缘提取算法， 有效地弥补了传统的边缘检测检测算法的不足，从而提高边缘定位精度。本论 文结合多光谱图像技术和 B 样条小波边缘提取技术，有效地提取作物与杂草的 边缘信息。同时，结合盲解卷积技术与 B 样条小波边缘提取技术，在一定程度 上抑制了图像恢复所产生的振铃效应现象。 本论文分为两部分：小波变换在光谱定量分析与多光谱图像的应用。 小波分 析技术是新近出现的数学方法，近年来，在光谱分析得到广泛的应用。本论文 介绍小波变换和多分辨分析的原理和方法，并将其应用于光谱信号的噪声去除、 有用信息的提取等方面，取得良好效果。 将小波变换技术应用于 MS-3100 多 光谱图像的近红外通道(Ir)图像的边缘特征提取。同时，将盲解卷积恢复技术 结合小波变换的边界提取技术，在一定程度抑制了模糊图像恢复时产生的振铃效应。 本论文具体的主要研究内容和结果如下： (1