利用太赫兹时域光谱技术, 测量了加热到298, 308, 328和348 K的牛血清白蛋白(BSA)固体样本的低频光谱, 测量过程中获得了BSA样本的折射系数曲线、 吸收系数曲线。 由于BSA样本的THz折射系数和吸收系数光谱曲线存在重叠现象, 采用主成分分析法对BSA样本的折射系数、 吸收系数、 复介电系数虚部及介电损耗角正切, 共四个太赫兹光谱参数进行分析, 发现样本未变性前, 介电损耗角的正切与牛血清白蛋白样本的温度最相关, 相关系数达到99.76%。 采用模糊聚类方法区分变性前后的BSA固体样本, 建立不同温度的BSA模糊识别模型, 发现可以将未变性的样本与已经变性的样本区分开, 为检测不同温度蛋白质特性的太赫兹光谱法提供新的途径。

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法。根据红外成像的特点,将红外云层背景弱小目标图像分为三类:边缘类、净空及云中类、弱小目标类[对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量[根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测。实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确的分类,从而较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测。

为了实现对红外云层背景下的弱小目标检测,提出了一种新的基于模糊分类的红外弱小目标检测方法。该方法直接从待分类图像中提取出不同的类别区域,使得分类模板准确地体现当前图像的不同类别,从而得到图像的准确类别以实现弱小目标检测。首先,对红外天空背景弱小目标图像进行分析,将图像中的3类物体:净空、云及弱小目标细分为11个类别区域;其次,定义了类别特征矢量并基于此提出了类别核的定义,然后,根据类别核的定义从待检测图像中提取出11类区域的类别核;最后,根据模糊分类理论,定义了类别相似系数和类别贴近度,通过类别核对图像进行分类和类别归并,保留弱小目标类别完成检测。实验结果表明,该方法可对信噪比大于1.0的天空背景红外弱小目标图像中不同类型的区域进行准确分类,实现了对低信噪比的复杂云层背景图像中的弱小目标检测。