电子科技大学材料与能源学院，四川 成都 611731
光谱探测器是用来分析光线各个波长组分强度的仪器，在基础科研、工业生产和日常生活中应用广泛。常用的基于色散元件的光谱探测器通常有难以进一步优化的尺寸和质量，并且色散元件精密，不能满足微型化、低成本的发展趋势。利用旋涂法制备一系列具备不同可见光吸收特性的Cs0.1MA0.9PbX3（X为Cl、Br、I）钙钛矿薄膜，将其组合成滤光片阵列，结合互补金属氧化物半导体传感器构造计算重构型光谱探测器；针对光谱探测器滤光片阵列响应特点，利用非负Tikhonov正则化约束法对光谱进行重建；最后对设计的光谱探测器进行测试验证。所提光谱探测器在500 nm波长处具备27 nm的分辨率，在可见光范围内实现了一定的光谱分辨能力。
光谱探测器 微型化 钙钛矿 Tikhonov正则化约束 滤光片阵列 激光与光电子学进展
2024, 61(5): 0504002
新疆师范大学物理与电子工程学院, 新疆 乌鲁木齐 830054
贵金属纳米颗粒具有局域表面等离子体共振特性而引起了广泛的关注, 其中Au-Ag合金纳米颗粒具有良好的结构稳定性、 光热性能以及潜在的抗癌功效而得到普遍研究。 在众多应用中的特性与其粒径和浓度密切相关, 然而目前常用的电子显微镜观察法和动态光散射法不能同时获得粒径和浓度信息, 因此采取有效手段测量颗粒粒径和浓度信息至关重要。 基于光谱消光法, 利用非负的Tikhonov正则化方法解决反演问题, 并根据Mie理论计算消光矩阵。 针对噪声问题, 采取两种情况研究多分散Au-Ag合金纳米球粒径分布与浓度的反演问题。 未添加噪声情况下, 颗粒系Ⅰ的反演相对误差小于颗粒系Ⅱ, 在波长范围300~500 nm之间的反演相对误差最小, 对应平均粒径、 粒径标准差和颗粒数浓度的反演相对误差分别为0%,-0.03%和0%。 添加随机噪声情况下, 将0.5%和1.0%的随机噪声添加进颗粒系Ⅰ中的消光谱, 经过数据比较发现在波长范围200~600 nm之间的反演相对误差最小。 当添加0.5%的随机噪声时, 粒径分布、 粒径标准差和颗粒数浓度的变化范围分别为79.76~80.15 nm, 5.60~6.61 nm和0.995 8×1010~1.005 9×1010个·cm-3; 当添加1.0%的随机噪声时, 粒径分布、 粒径标准差和颗粒数浓度的变化范围分别为78.87~80.27 nm, 5.36~9.00 nm和0.992 4×1010~1.027 7×1010个·cm-3。 反演结果随着随机噪声的增大, 变化范围也明显增大即反演相对误差增大, 并且每次添加相同随机噪声后的反演结果不同。 为了减少随机噪声导致的不稳定性, 对100次反演结果进行平均得到平均粒径、 粒径标准差和颗粒数浓度。 当随机噪声从0.5%增大至1.0%时, 其反演结果的相对误差均增大, 但是反演得到的粒径分布、 粒径标准差和颗粒数浓度相对误差均小于6%, 这说明通过反演算法得到的反演结果具有较好的稳定性。 研究表明, 光谱消光法为反演多分散Au-Ag合金纳米球粒径分布与浓度提供了一种简单、 快速的表征手段, 也对研究非球形纳米颗粒有启示作用。
消光法 光谱分析 复合纳米材料 局域表面等离子体共振 Mie理论 Tikhonov正则化 Light extinction Spectroscopic analysis Nanocomposites Localized surface plasmon resonance Mie theory Tikhonov regularization 光谱学与光谱分析
2022, 42(10): 3039
1 北京工业大学信息学部计算智能与智能系统北京市重点实验室, 北京 100124
2 先进信息网络北京实验室, 北京 100124
切连科夫激发的荧光扫描成像(CELSI)是一种新兴的成像技术,在生物医学领域有着广阔的应用前景。本课题组前期分别基于Tikhonov正则化和稀疏正则化实现了CELSI断层成像,但重建图像的质量仍有待提高。基于此,本文提出了一种基于Unet的图像后处理算法。该算法将Tikhonov方法只迭代一次得到的低质量图像作为Unet网络的输入,通过网络学习对重建的图像进行一定的修正,以进一步提高重建图像的质量。实验结果表明,所提算法可以提高计算效率,而且当荧光目标在深度50 mm处时重建图像的峰值信噪比和结构相似度分别能达到28 dB和0.92。所提算法基于单荧光目标数据集训练的网络模型能够较好地重建出多荧光目标,表明了该算法具有较好的泛化能力。
医用光学 切连科夫激发的荧光扫描成像 断层成像 Tikhonov正则化 Unet神经网络 中国激光
2021, 48(17): 1707001
1 贵州中烟工业有限责任公司技术中心, 贵州 贵阳 550009
2 贵州医科大学食品科学学院, 贵州 贵阳 550025
模型转移是解决近红外光谱仪器间存在差异导致校正模型难以在多台仪器间通用问题的重要方法。 利用主成分-马氏距离方法判断样品在不同仪器间的光谱差异性, 然后通过吉洪诺夫正则化约束和校正模型参数, 提出新的模型转移算法, 实现模型在不同近红外光谱仪器上的共享和使用。 首先使用一组标准样品光谱, 建立主机和子机近红外光谱模型预测误差最小化函数。 通过约束主机和子机的模型参数的差异, 求出子机的模型参数, 从而达到模型转移的目的。 该方法应用于药物活性成分和烟叶中总植物碱与总糖的含量分析, 结果表明使用15个标准样品时, 子机光谱样本的预测均方根误差(RMSEP)分别从8.3 mg、 0.49%和1.91%降到3.9 mg、 0.09%和0.83%。 转移后模型预测相对分析误差(RPD)均大于3.0, 子机光谱样本的预测效果得到明显提高。 该方法理论明确、 直观, 在实际应用中样品预测准确性较好, 为具有标准样品的模型转移方法提供一种新思路。
近红外光谱 吉洪诺夫正则化 模型转移 马氏距离 Near-infrared spectroscopy Tikhonov regularization Calibration transfer Mahalanobis distance 光谱学与光谱分析
2020, 40(6): 1804
中北大学信息与通信工程学院, 山西 太原 030051
针对计算鬼成像采样过程中出现的数据扰动及采样次数不易较多所引起的鬼图像质量较差的问题,提出了一种基于Tikhonov正则化的计算鬼成像方法。该方法利用一个表征噪声强度的约束项,将计算鬼成像问题转化为信号误差与噪声强度最小化的数学问题,并利用广义交叉验证法选取合适的正则参数来重构待测物体的鬼像。实验结果表明,所提算法在干扰情况下明显优于传统鬼成像、差分鬼成像和伪逆鬼成像,具有较强的稳定性;在无干扰情况下,也明显优于传统鬼成像、差分鬼成像,且不差于伪逆鬼成像。
图像处理 鬼成像 图像重建 Tikhonov正则化 广义交叉验证法 激光与光电子学进展
2020, 57(2): 021016
河海大学物联网工程学院, 江苏 常州 213022
传统的红外与可见光图像融方法将图像分解为多个频域分量后分别融合再相加,存在边缘模糊、对比度低等问题,为此提出了一种基于Tikhonov正则化和细节重建的融合方法。首先,利用Tikhonov正则化将图像分解为基本层和细节层,针对基本层训练一种用于细节重建的生成对抗网络;然后提取待融合图像的基本层特征,采用主成分分析方法进行融合;最后将基本层融合结果输入到生成对抗网络中,重建出一幅高频信息丰富的融合图像。实验结果表明:所提方法很好地保留了源图像中的细节信息和高亮区域,对不同清晰度的图像具有较好的鲁棒性。
图像处理 细节重建 Tikhonov正则化 生成对抗网络 主成分分析
Author Affiliations
Abstract
Department of Biomedical Engineering, School of Medicine, Tsinghua University, Beijing 100084, China
For fluorescence molecular tomography (FMT), image quality could be improved by incorporating a sparsity constraint. The L1 norm regularization method has been proven better than the L2 norm, like Tikhonov regularization. However, the Tikhonov method was found capable of achieving a similar quality at a high iteration cost by adopting a zeroing strategy. By studying the reason, a Tikhonov-regularization-based projecting sparsity pursuit method was proposed that reduces the iterations significantly and achieves good image quality. It was proved in phantom experiments through time-domain FMT that the method could obtain higher accuracy and less oversparsity and is more applicable for heterogeneous-target reconstruction, compared with several regularization methods implemented in this Letter.
fluorescence molecular tomography sparsity pursuit Tikhonov regularization good image quality high efficiency Chinese Optics Letters
2020, 18(1): 011701
江南大学物联网工程学院, 江苏 无锡 214122
针对移动最小二乘算法在图像变形过程中,求解的线性方程组系数矩阵会出现不可逆、求解不稳定的问题,通过引入Tikhonov正则化,运用L-曲线法求解正则参数,对系数矩阵施加约束项从而得到精确解,避免病态方程组的形成;针对在实现图像变形过程中,定位特征点人工量大且特征点不足的问题,运用Dlib库自动提取68个覆盖人脸五官和轮廓的特征点。仿真实验结果表明,与原算法相比,提出的改进算法可以使图像产生清晰、准确的变形。
图像处理 图像变形 移动最小二乘 Tikhonov正则化 Dlib库 激光与光电子学进展
2019, 56(23): 231004
山东理工大学 电气与电子工程学院, 山东 淄博 255049
Tikhonov与截断奇异(TSVD)正则化是动态光散射数据反演中的两种重要方法, 不同的正则化方法会对噪声DLS数据测量结果产生不同的影响。分别采用二阶差分矩阵的Tikhonov与TSVD方法, 在6种噪声水平下, 对宽窄不同的单峰与双峰分布颗粒进行了反演研究。结果表明: Tikhonov具有较好的光滑性; 对于单峰分布颗粒, TSVD峰值误差更小、对于窄分布以及强噪声宽分布颗粒系反演, 其抗噪性能更强、反演误差更小; 对于双峰分布颗粒, Tikhonov具有较小的反演误差、较强的双峰分辨能力与抗噪声能力; 对于窄分布颗粒的反演, 一般TSVD峰值误差更小。在同样噪声情况下, Tikhonov与TSVD的双峰分辨力与颗粒的粒径峰值比有关。Tikhonov双峰分辨力较强, 能够分辨出峰值比较低的颗粒。对实测200 nm单峰颗粒进行反演, Tikhonov、TSVD的反演峰值误差分别为3％和1.85％, TSVD峰值位置更准确, 能够验证模拟数据的结论。
动态光散射 Tikhonov正则化 截断奇异值正则化 颗粒粒径反演 light scattering Tikhonov regularization truncated singular value decomposition regularizat particle size inversion.
