基于γ特征谱的对象相似性识别技术研究

发布时间：2017-05-26 11:14

  本文关键词：基于γ特征谱的对象相似性识别技术研究，由笔耕文化传播整理发布。

【摘要】：国际国内核安全局势的最新变化,不仅对加强核部件与核材料的管理与监控,而且对国际防核扩散机制提出了新要求,但与之相应的核军控与核裁军的核查技术研发与该要求还存在较大的距离；不仅如此,随着国内核电产业的快速发展,与之相应的大量的核原料与核废料的处理技术的提高与管控能力的加强也日益迫切,这都需要大力研发相应的无损监测方法与分析识别技术。针对上述涉核对象来说,Y射线是最重要的出射粒子之一,高分辨的Y能谱分析可以实现无损条件下被测对象的判断与识别。本论文围绕基于高分辨γ能谱的对象相似性识别技术,结合近十多年来高速发展的模式识别技术与图像配准技术,展开γ能谱对象的分类识别研究,为提升核保障技术水平,核军控、核裁军核查提供技术储备,以及下一步研究工作提供支持。本论文的研究基于VC++2010,通过与ROOT相结合,开发了相应的程序,完成的主要工作与获得的研究成果如下：1)采用传统的Y能谱分析方法对高分辨Y能谱进行了分析。主要分析工作包括：能谱平滑降噪、能谱寻峰、连续本底扣除、峰面积拟合等。寻峰算法为对称零面积法与反卷积法,本底扣除利用了SNIP法进行,峰面积拟合采用了AWMI方法。首次将小波降噪与多项式最小二乘平滑结合,对能谱进行平滑降噪,提升了平滑降噪效果。2)针对Y能谱的修正,参照图像配准技术提出了Y能谱配准概念,首次展开了Y能谱配准研究。γ能谱基于特征的配准研究开展了Y能谱预处理、特征提取、特征匹配、插值重采样以及相似性度量等研究。重点研究了线性插值、拉格朗日插值、埃尔米特插值和三次样条插值等四种插值重构算法的γ能谱插值效果,结果表明埃尔米特插值效果优于其他插值算法。对于相似性度量研究,研究了x2／(N-1)、拟合优度、欧氏距离、余弦相似度、皮尔逊积矩相关系数等算法。另外插值重采样后,研究了小波变换后多层级配准后的相似性度量。3)研究了模式识别中主成分分析、线性判别分析与支持向量机对Y能谱的分类识别。其中,国内首次开展了支持向量机研究与线性判别分析应用于γ能谱分析。从分类结果看,线性判别分析算法分类效果优于主成分分析法,但主成分分析法的投影空间物理意义相对较明显。支持向量机对钚样品的高分辨Y能谱分类训练的结果显示,分类学习的交叉验证准确率达到99%以上。
【关键词】：γ能谱分析 γ能谱配准 模式识别 相似性度量
【学位授予单位】：兰州大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.4;O571.323
【目录】：

• 中文摘要3-5
• Abstract5-10
• 第一章 绪论10-22
• 1.1 研究背景与意义10-13
• 1.2 国内外研究现状13-20
• 1.3 论文章节安排20-21
• 1.4 论文的主要工作与创新点21-22
• 第二章 γ能谱解谱分析22-40
• 2.1 引言22
• 2.2 HPGe探测器的实验设置22-24
• 2.3 γ谱数据处理方法24-35
• 2.3.1 γ谱数据平滑降噪24-29
• 2.3.2 γ寻峰算法29-33
• 2.3.3 本底扣除33
• 2.3.4 全能峰拟合与峰面积确定33-35
• 2.4 γ能谱分析处理35-39
• 2.5 本章小结39-40
• 第三章 γ能谱配准技术研究40-63
• 3.1 引言40-41
• 3.2 γ能谱配准定义41-42
• 3.3 γ能谱配准的基本组成42-43
• 3.4 γ能谱配准的方法43-44
• 3.5 基于特征γ能谱配准的主要步骤44-50
• 3.5.1 能谱的预处理44
• 3.5.2 γ能谱的特征提取44-45
• 3.5.3 特征匹配45
• 3.5.4 相似性度量45-48
• 3.5.5 能谱插值重新采样48-50
• 3.6 基于变换域信息的方法50-52
• 3.7 γ能谱的配准52-61
• 本章小结61-63
• 第四章 γ能谱模式识别技术研究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谱中的应用69-73
• 4.4 线性判别分析算法73-76
• 4.5 线性判别分析算法在γ谱中的应用76-80
• 4.6 支持向量机80-85
• 4.7 支持向量机在γ能谱中的应用85-87
• 本章小结87-88
• 第五章 γ特征谱的对象相似性程序设计88-94
• 5.1 软件基本要求88
• 5.2 ROOT在VC2010下的安装88-90
• 5.3 程序主界面与框架90-93
• 5.3.1 γ能谱分析91-92
• 5.3.2 γ能谱配准92-93
• 5.3.3 γ能谱识别93
• 5.4 本章小结93-94
• 第六章 总结及展望94-97
• 6.1 总结94-95
• 6.2 展望及下一步部分工作95-97
• 参考文献97-102
• 在学期间的研究成果102-103
• 致谢103

【参考文献】

中国期刊全文数据库 前7条

1 张静,胡志萍,刘志泰,欧宗瑛;基于轮廓相位相关的图像自动拼接[J];大连理工大学学报;2005年01期

2 余民才;;“打击核恐怖主义全球倡议”的背景分析[J];法学杂志;2007年06期

3 史东生;弟宇鸣;周春林;;粒子群优化算法在神经网络识别γ能谱中的应用[J];核技术;2007年07期

4 王一鸣;魏义祥;;用于γ全谱基线扣除的改进SNIP算法研究[J];核电子学与探测技术;2012年12期

5 袁学东,吴丽萍,龙先灌,周厚全;最优线性联想记忆网络方法在人发X射线荧光分析中的应用研究[J];四川大学学报(自然科学版);2000年04期

6 闫学昆;刘明健;张娜;贾铭椿;龚军军;;基于小波变换的γ能谱分析[J];原子能科学技术;2007年04期

7 刘素萍;龚建;郝樊华;胡广春;;Template identification technology of nuclear warheads and components[J];Chinese Physics B;2008年02期

中国博士学位论文全文数据库 前4条

1 刘永刚;γ能谱谱数据分解方法研究[D];中国地质大学（北京）;2011年

2 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年

3 陈亮;核素识别算法及数字化能谱采集系统研究[D];清华大学;2009年

4 陈锦伟;敏捷卫星遥感图像配准和拼接技术研究[D];浙江大学;2014年

中国硕士学位论文全文数据库 前1条

1 刘丽娜;基于特征脸和多特征的人脸识别算法研究[D];山东大学;2006年

  本文关键词：基于γ特征谱的对象相似性识别技术研究，，由笔耕文化传播整理发布。

本文编号：396637