基于高光谱匹配技术的珠宝分类识别研究
发布时间：2021-01-28 12:26
高光谱遥感技术是近年来发展起来的一种新型光谱技术,高光谱技术使得人们认识世界和事物的能力有了质的提高。“图谱合一”的高光谱数据不仅包含样品的空间信息,还能提取样品的光谱信息。这样高光谱图像就具有信息量大、光谱分辨率高等特性,因此它不仅能够提供丰富的物质表面信息,而且还能提供反映物质组成特性等更为丰富的光谱信息。因此,基于高光谱图像数据潜在特性的研究受到了国内外学者的广泛关注。其应用领域涉及如精细农业、大气研究、环境监测、医学等。目前国内使用高光谱技术在珠宝种类识别和真伪鉴别方面处于研究阶段,具有光谱的应用前景和技术优势。本文主要采用北京卓立汉光GaiaSorter高光谱分选仪对知珠网提供的17种标准珠宝样品和待检测珠宝样品进行采集和数据提取。探讨了对珠宝高光谱数据进行图像预处理、图像特征提取与特征选择、珠宝光谱匹配方法等内容。在本论文中,我们按照以下流程进行操作和论述:首先,对高光谱图像各种预处理方法做了较为详细的论述和比较,采用Savitzky-Golay平滑方法对原始光谱曲线进行平滑处理,详细论述了高光谱图像的特征提取和特征选择的若干种方法,将预处理后和特征提取的珠宝样品光谱数据建...
【文章来源】：深圳大学广东省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 国内外研究现状
1.4 本文主要内容和技术路线
1.4.1 主要研究内容
1.4.2 本文结构安排
1.4.3 技术路线
1.5 小结
第2章 珠宝光谱图像数据采集
2.1 高光谱图像技术介绍
2.2 实验材料和成像设备
2.2.1 实验材料
2.2.2 高光谱数据采集仪器
2.3 珠宝高光谱数据采集与标定
2.4 珠宝高光谱数据提取
2.5 建立珠宝高光谱波谱数据库
2.6 小结
第3章 珠宝高光谱图像数据预处理
3.1 数据增强算法
3.2 平滑去噪算法
3.3 导数光谱算法
3.4 傅立叶变换
3.5 小波变换
3.6 珠宝样品高光谱图谱数据预处理
3.7 小结
第4章 高光谱图谱特征提取与特征选择方法研究
4.1 高光谱特征向量模型
4.2 高光谱特征提取
4.3 高光谱特征选择
4.3.1 包络线去除
4.3.2 特征波段区分类别
4.3.3 光谱波段距离度量
4.4 光谱特征提取方法
4.4.1 主成分分析（PCA）
4.4.2 独立成分分析（ICA）
4.4.3 最小噪声分离（MNF）
4.5 珠宝样品高光谱图像分类预测模型
4.5.1 四种珠宝样品高光谱图像分类
4.5.2 PLS-DA偏最小二乘法判别分析预测模型
4.6 小结
第5章 基于光谱匹配技术的珠宝鉴定方法研究
5.1 不同品种珠宝光谱分析
5.2 珠宝种类识别的建模方法研究
5.3 传统光谱匹配算法建模方法研究
5.3.1 最小距离匹配
5.3.2 光谱角（SAM）匹配算法
5.3.3 光谱相关系数（SCC）
5.3.4 光谱信息散度（SID）
5.3.5 单一光谱相似性测度算法实验
5.4 组合光谱匹配算法建模方法研究
5.4.1 欧式距离-光谱角余弦（SAM-ED）相似性测度算法
5.4.2 欧式距离-相关系数（SCC-ED）相似性测度算法
5.5 小结
第6章 总结与展望
6.1 研究内容
6.2 不足和展望
参考文献
致谢
【参考文献】：
期刊论文
[1]可见/近红外高光谱成像技术对鸡蛋种类无损判别[J]. 丁佳兴,杨晓玉,房盟盟,何建国. 发光学报. 2018(03)
[2]基于可见光波段包络线去除的湿地植物叶片叶绿素估算[J]. 郭超凡,郭逍宇. 生态学报. 2016(20)
[3]基于高光谱图像技术的马铃薯种类的鉴别[J]. 王丽艳,薛河儒,姜新华,王春兰. 内蒙古农业大学学报(自然科学版). 2016(02)
[4]光谱角余弦与相关系数测度组合的光谱匹配分类方法与实验[J]. 魏祥坡,余旭初,付琼莹,刘冰,薛志祥. 地理与地理信息科学. 2016(03)
[5]基于高光谱图像技术的大豆品种无损鉴别[J]. 柴玉华,毕文佳,谭克竹,张春雷,刘春涛. 东北农业大学学报. 2016(03)
[6]基于高光谱图像的桑叶农药残留种类鉴别研究[J]. 孙俊,张梅霞,毛罕平,李正明,杨宁,武小红. 农业机械学报. 2015(06)
[7]基于高光谱技术的玉石鉴定及模型研究[J]. 邹艳秋,刘卫东,金尚忠. 分析试验室. 2015(05)
[8]基于光谱信息散度与光谱角匹配的高光谱解混算法[J]. 刘万军,杨秀红,曲海成,孟煜. 计算机应用. 2015(03)
[9]基于光谱匹配技术的古重彩画颜料鉴定研究[J]. 丁新峰. 环球人文地理. 2014(24)
[10]基于Savitzky-Golay算法的曲线平滑去噪[J]. 雷林平. 电脑与信息技术. 2014(05)
博士论文
[1]高光谱技术在马铃薯品种鉴别及品质无损检测中的应用研究[D]. 姜微.东北农业大学 2017
[2]高光谱遥感数据特征提取与特征选择方法研究[D]. 魏峰.西北工业大学 2015
[3]光谱及高光谱成像技术在作物特征信息提取中的应用研究[D]. 马淏.中国农业大学 2015
[4]高光谱显微图像的特征提取与分类方法及其应用研究[D]. 戴春妮.华东师范大学 2009
[5]高光谱遥感土地利用信息提取技术研究[D]. 刘顺喜.北京林业大学 2005
硕士论文
[1]基于高光谱的寒地水稻叶片氮素营养诊断研究[D]. 赵越.东北农业大学 2017
[2]基于高光谱反射率数据的冬油菜氮养分诊断[D]. 李露.华中农业大学 2017
[3]基于成像光谱数据的文物隐藏信息提取研究[D]. 郭新蕾.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[4]基于机器视觉和近红外高光谱的冬枣检测方法研究[D]. 孙世鹏.西北农林科技大学 2017
[5]基于光谱匹配技术的青藏高原典型植被识别与提取[D]. 明群杰.中国地质大学(北京) 2017
[6]基于高光谱成像技术的文物颜料研究[D]. 丁新峰.北京建筑大学 2015
[7]基于光谱成像技术的农作物特征波段提取与分类研究[D]. 曹鹏飞.云南师范大学 2014
[8]基于微型光纤光谱仪的宝石鉴别研究[D]. 王丹丹.河北大学 2013
[9]基于光谱匹配的高光谱岩矿识别技术研究[D]. 黄婷婷.南京理工大学 2012
[10]基于高光谱成像技术的烟叶病害识别方法研究[D]. YUSUF BABANGIDA LAWAL“巴邦齐达”.浙江大学 2012
本文编号：3004994
【文章来源】：深圳大学广东省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 国内外研究现状
1.4 本文主要内容和技术路线
1.4.1 主要研究内容
1.4.2 本文结构安排
1.4.3 技术路线
1.5 小结
第2章 珠宝光谱图像数据采集
2.1 高光谱图像技术介绍
2.2 实验材料和成像设备
2.2.1 实验材料
2.2.2 高光谱数据采集仪器
2.3 珠宝高光谱数据采集与标定
2.4 珠宝高光谱数据提取
2.5 建立珠宝高光谱波谱数据库
2.6 小结
第3章 珠宝高光谱图像数据预处理
3.1 数据增强算法
3.2 平滑去噪算法
3.3 导数光谱算法
3.4 傅立叶变换
3.5 小波变换
3.6 珠宝样品高光谱图谱数据预处理
3.7 小结
第4章 高光谱图谱特征提取与特征选择方法研究
4.1 高光谱特征向量模型
4.2 高光谱特征提取
4.3 高光谱特征选择
4.3.1 包络线去除
4.3.2 特征波段区分类别
4.3.3 光谱波段距离度量
4.4 光谱特征提取方法
4.4.1 主成分分析（PCA）
4.4.2 独立成分分析（ICA）
4.4.3 最小噪声分离（MNF）
4.5 珠宝样品高光谱图像分类预测模型
4.5.1 四种珠宝样品高光谱图像分类
4.5.2 PLS-DA偏最小二乘法判别分析预测模型
4.6 小结
第5章 基于光谱匹配技术的珠宝鉴定方法研究
5.1 不同品种珠宝光谱分析
5.2 珠宝种类识别的建模方法研究
5.3 传统光谱匹配算法建模方法研究
5.3.1 最小距离匹配
5.3.2 光谱角（SAM）匹配算法
5.3.3 光谱相关系数（SCC）
5.3.4 光谱信息散度（SID）
5.3.5 单一光谱相似性测度算法实验
5.4 组合光谱匹配算法建模方法研究
5.4.1 欧式距离-光谱角余弦（SAM-ED）相似性测度算法
5.4.2 欧式距离-相关系数（SCC-ED）相似性测度算法
5.5 小结
第6章 总结与展望
6.1 研究内容
6.2 不足和展望
参考文献
致谢
【参考文献】：
期刊论文
[1]可见/近红外高光谱成像技术对鸡蛋种类无损判别[J]. 丁佳兴,杨晓玉,房盟盟,何建国. 发光学报. 2018(03)
[2]基于可见光波段包络线去除的湿地植物叶片叶绿素估算[J]. 郭超凡,郭逍宇. 生态学报. 2016(20)
[3]基于高光谱图像技术的马铃薯种类的鉴别[J]. 王丽艳,薛河儒,姜新华,王春兰. 内蒙古农业大学学报(自然科学版). 2016(02)
[4]光谱角余弦与相关系数测度组合的光谱匹配分类方法与实验[J]. 魏祥坡,余旭初,付琼莹,刘冰,薛志祥. 地理与地理信息科学. 2016(03)
[5]基于高光谱图像技术的大豆品种无损鉴别[J]. 柴玉华,毕文佳,谭克竹,张春雷,刘春涛. 东北农业大学学报. 2016(03)
[6]基于高光谱图像的桑叶农药残留种类鉴别研究[J]. 孙俊,张梅霞,毛罕平,李正明,杨宁,武小红. 农业机械学报. 2015(06)
[7]基于高光谱技术的玉石鉴定及模型研究[J]. 邹艳秋,刘卫东,金尚忠. 分析试验室. 2015(05)
[8]基于光谱信息散度与光谱角匹配的高光谱解混算法[J]. 刘万军,杨秀红,曲海成,孟煜. 计算机应用. 2015(03)
[9]基于光谱匹配技术的古重彩画颜料鉴定研究[J]. 丁新峰. 环球人文地理. 2014(24)
[10]基于Savitzky-Golay算法的曲线平滑去噪[J]. 雷林平. 电脑与信息技术. 2014(05)
博士论文
[1]高光谱技术在马铃薯品种鉴别及品质无损检测中的应用研究[D]. 姜微.东北农业大学 2017
[2]高光谱遥感数据特征提取与特征选择方法研究[D]. 魏峰.西北工业大学 2015
[3]光谱及高光谱成像技术在作物特征信息提取中的应用研究[D]. 马淏.中国农业大学 2015
[4]高光谱显微图像的特征提取与分类方法及其应用研究[D]. 戴春妮.华东师范大学 2009
[5]高光谱遥感土地利用信息提取技术研究[D]. 刘顺喜.北京林业大学 2005
硕士论文
[1]基于高光谱的寒地水稻叶片氮素营养诊断研究[D]. 赵越.东北农业大学 2017
[2]基于高光谱反射率数据的冬油菜氮养分诊断[D]. 李露.华中农业大学 2017
[3]基于成像光谱数据的文物隐藏信息提取研究[D]. 郭新蕾.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[4]基于机器视觉和近红外高光谱的冬枣检测方法研究[D]. 孙世鹏.西北农林科技大学 2017
[5]基于光谱匹配技术的青藏高原典型植被识别与提取[D]. 明群杰.中国地质大学(北京) 2017
[6]基于高光谱成像技术的文物颜料研究[D]. 丁新峰.北京建筑大学 2015
[7]基于光谱成像技术的农作物特征波段提取与分类研究[D]. 曹鹏飞.云南师范大学 2014
[8]基于微型光纤光谱仪的宝石鉴别研究[D]. 王丹丹.河北大学 2013
[9]基于光谱匹配的高光谱岩矿识别技术研究[D]. 黄婷婷.南京理工大学 2012
[10]基于高光谱成像技术的烟叶病害识别方法研究[D]. YUSUF BABANGIDA LAWAL“巴邦齐达”.浙江大学 2012
本文编号：3004994
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3004994.html
