黄酮类化合物常以游离或糖苷形式广泛存在于植物体内的一大类多酚物质, 具有抗氧化、 抗菌、 抗病毒、 抑制肿瘤生长等药理作用, 作为一种重要的中药活性成分, 其具有较高的药用价值和开发前景。 利用太赫兹时域光谱技术(THz-TDS)研究了8种常见的黄酮类化合物(黄芩素、 槲皮素、 柚皮素、 大豆素、 黄芩苷、 葛根素、 染料木素和天麻素)在0.2~2.5 THz波段的生物分子特性, 结果表明这些黄酮类物质在太赫兹波段具有明显不同的特征吸收峰, 并研究了它们在78~320 K范围内随温度变化的太赫兹吸收特性, 结果显示随着温度的降低, 特征吸收峰逐渐增强, 并且吸收峰频率位置发生蓝移。 另外, 通过化学计量学方法结合太赫兹吸收谱对黄酮类物质进行定性鉴别和定量分析研究, 首先利用主成分分析(PCA)提取光谱特征变量, 然后将前五个主成分分量作为支持向量机(SVM)的输入变量建立分类模型, 通过优化模型选择最优参数, 最终得到100%的分类准确度。 另外, 采用偏最小二乘回归(PLSR)模型和人工神经网络(ANN)模型对淀粉中含有不同浓度含量的黄酮类物质进行定量分析, 经过对比这两种方法, ANN模型得到了最高的预测精度, 其中, 柚皮素和大豆素在预测集中的浓度预测相关系数分别为R2=0.994 4, R2=0.996 4, 均方根误差分别为RMSE=1.932 5, RMSE=1.544 1。 综上所述, 利用THz-TDS技术研究了黄酮类物质在太赫兹波段的生物分子特性, 并结合化学计量学方法为黄酮类物质提供了一种快速、 有效、 无损的定性鉴别和定量分析方法, 在中草药的检测方面具有潜在的应用价值, 对其他生物分子的研究也具有较强的借鉴意义。
黄酮类化合物 太赫兹时域光谱 化学计量学 定性鉴别 定量分析 Flavonoids Terahertz time-domain spectroscopy Chemometrics Qualitative identification Quantitative analysis 光谱学与光谱分析
2020, 40(12): 3919
西安交通大学 电子物理与器件教育部重点实验室, 西安 710049
为了简便快捷地计算微波击穿电场, 依据电子扩散模型的基本理论, 结合气体放电的基本参量, 应用特征扩散长度的概念, 给出了适合于规则结构微波部件的击穿电场的计算方法。为避免各种气体参数的不确定性对计算准确度的影响, 对等效直流电场与特征扩散长度之间的实验关系进行了拟合, 并根据等效直流电场的定义, 得出了一个适用于较高气压范围的击穿电场计算表达式。为了将该计算表达式扩展到更低的气压范围, 综合考虑了电子扩散模型和基于二次电子发射现象的真空微放电机理, 引入了一个合理形式的等效扩散长度, 进一步给出了适合于更广气压范围的微波击穿电场的计算表达式, 计算结果更符合A.D.Macdonald的实验结果。
微波击穿 等效扩散长度 特征扩散长度 气体放电 微波 二次电子发射 microwave breakdown equivalent diffusion length characteristic diffusion length gas discharge microwave secondary electron emission 强激光与粒子束
2018, 30(11): 113001
为了增强医学图像融合质量，提出了一种基于平移不变剪切波(SIST)和压缩感知的CT 和MRI 图像融合方法。首先，将源CT 与MRI 图像经过SIST 分解后得到低频子带和高频子带；其次，对低频子带，提出了一种结合新的改进空间频率、改进的区域加权能量和局部区域相似匹配度的融合规则；对于高频子带，提出了一种基于自适应2PCNN-CS 的融合规则；最后通过SIST 逆变换得到融合图像。实验表明：本文方法在客观指标和图像视觉效果上都优于传统的CT 与MRI 医学图像融合方法。
信号处理 平移不变剪切波 自适应双通道脉冲耦合神经网络 压缩感知 information processing shift-invariant shearlet transform adaptive dual-channel pulse coupled neural network compressed sensing
合肥工业大学 数学学院, 安徽 合肥 230009
提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法, 以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像, 利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点, 提出改进的稀疏表示(ISR)的融合规则用于低频子带; 然后将改进的空间频率作为脉冲耦合神经网络的外部输入, 提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明: 本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比, 实验的两组图像中4个客观指标: 互信息(MI)、边缘信息保留量QAB/F, 平均梯度 (AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。
图像融合 红外图像 可见光图像 非下采样双树复轮廓波变换 稀疏表示 自适应双通道脉冲耦合神经网络 形态学变换 image fusion infrared image visible image Non-subsampled Dual-tree Complex Contourlet Transf sparse representation Adaptive Dual Channel Pulse Coupled Neural Network morphology transform
为了提高全色图像与多光谱图像的融合质量,提出一种基于非下采样双树复轮廓波变换和稀疏表示的图像融合算法.对多光谱图像进行亮度-色度-饱和度变换,再对亮度分量和全色图像进行直方图匹配及亮度平滑滤波处理.利用非下采样双树复轮廓波变换处理亮度分量和全色图像,得到对应的高低频系数.对于低频系数,利用稀疏表示进行融合,采用空间频率和l1范数双指标取大的融合规则得到稀疏表示系数;对于高频系数,将改进的拉普拉斯能量和作为脉冲耦合神经网络的外部输入项,提出了改进的脉冲耦合神经网络的融合策略.最后进行非下采样双树复轮廓波逆变换和亮度-色度-饱和度逆变换得到融合结果.实验结果表明,该算法最大限度地保留光谱信息的同时可以提高空间分辨率,视觉效果及客观指标均优于经典的融合算法.
图像处理 遥感图像融合 非下采样双树复轮廓波变换 稀疏表示 脉冲耦合神经网络 改进的拉普拉斯能量和 Image processing Remote sensing image fusion Non-subsampled dual-tree complex contourlet transf Sparse representation Pulse coupled neural network Sum-modified Laplacian
提出一种基于非下采样双树复小波域的图像去噪算法.首先分析非下采样双树复小波变换同一方向实部与虚部小波系数之间的相关性, 通过实例及统计规律得到其联合概率分布近似服从于椭圆边界的单峰各向异性二维非高斯分布.然后把双变量统计模型引入到非下采样双树复小波变换实部和虚部小波系数中,将实部与虚部小波系数的联合概率分布作为双变量先验模型,得到了非下采样双树复小波变换自适应各向异性双变量去噪模型.该模型可以很好地体现实部与虚部小波系数之间的相关性. 运用最大后验概率来估计从含噪图像的小波系数恢复原图像的系数, 达到去噪目的.最后根据该模型得到了一种具有闭式解的去噪算法. 实验表明：该算法比经典算法提高了一定的峰值信噪比,且有良好的视觉效果,较好地保持了图像中的纹理特征.
非下采样双树复小波变换 图像去噪 非高斯分布 双变量模型 最大后验概率 Undecimated dual-tree Complex wavelet transform Image de-noising Non-Gaussian distribution Bivariate model Maximum a posteriori probability 光子学报
2014, 43(10): 1010004
针对传统基于多尺度变换的图像融合方法存在的缺点, 提出了一种基于平移不变剪切波变换域的自适应图像融合新方法.首先, 使用平移不变剪切波变换对源图像进行分解, 得到低频子带及方向带通子带系数.然后, 对于低频子带系数采用梯度域奇异值分解方法估计图像的局部结构信息, 提出了基于提取的特征与S函数的可变加权融合策略; 对于各方向带通子带系数, 提出了一种基于改进的拉普拉斯能量和匹配的“加权平均”和选择相结合的系数选择策略.最后, 对得到的融合系数进行逆变换得到融合图像.通过实验可以发现相比于传统的图像融合方法, 本文方法得到了更高的客观指标, 融合图像视觉效果更好.
图像融合 平移不变剪切波变换 奇异值分解 S函数 Image fusion Shift-invariant shearlet transform Singular value decomposition Sigmoid function
1 合肥工业大学 图像信息处理研究室, 合肥 230009
2 合肥工业大学 数学学院, 合肥 230009
对红外图像进行非下采样 Contourlet 变换, 分析其系数的统计特征, 采用广义高斯分布来模拟系数的概率分布。根据非下采样 Contourlet 变换的带通子带各方向能量不同的特点, 提出修正的贝叶斯阈值公式, 为了克服软、硬阈值函数的缺点, 又提出一种具有可调节自适应性的新阈值函数, 最后利用新阈值函数估计出不含噪声的变换系数, 并通过非下采样 Contourlet 逆变换得到去噪后的红外图像。仿真实验表明, 文中方法在峰值信噪比及视觉效果上均优于经典的小波阈值去噪算法。
非下采样 Contourlet 变换 红外图像 广义高斯分布 峰值信噪比 nonsubsampled Contourlet transform(NSCT) infrared image generalized Gaussian distribution peak signal-to-noise ratio (PSNR)
提出了一种基于非下采样Contourlet变换（NSCT）域图像去噪算法.首先根据尺度间与尺度内的NSCT系数之间的相关性，用非高斯分布模型对NSCT系数与其邻域系数及父系数进行建模，给出分类准则，把系数分为重要系数和非重要系数，再采用广义高斯分布来模拟重要系数的概率分布，根据贝叶斯理论得到自适应阈值，并求出最佳参量范围.为了克服软、硬阈值函数的缺点，提出一种自适应的新阈值函数，利用新阈值函数估计出不含噪音的变换系数，并通过非下采样Contourlet逆变换得到去噪后的图像.仿真实验表明，本文方法在峰值信噪比、结构相似性与视觉效果上均优于目前许多优秀的去噪算法.
非下采样Contourlet变换 非高斯分布 广义高斯分布 峰值信噪比 结构相似性 Nonsubsampled Contourlet transform (NSCT) NonGaussian distribution Generalized Gaussian distribution Peak signaltonoise ratio
