对叶片高光谱信息进行分析, 实现苎麻褐斑病快速无损的诊断, 对提高苎麻产量和品质有重要意义。利用FieldSpec3便携式地物光谱仪和手持叶片夹持器, 采集了430个苎麻褐斑病叶片和健康叶片高光谱数据。提出了一种基于离散系数的子波段主成分分析PCA方法来提取特征变量。同时, 为了探讨不同主成分个数对模型的影响, 分别以1~10个主成分作为特征变量, 采用支持向量机分类SVC方法建立苎麻叶片褐斑病识别模型。结果表明: 1)波段A(511~636 nm)、波段B(690~714 nm)、波段C(1 406~1 511 nm)和波段D(1 870~2 450 nm)离散系数较大, 是建立识别模型的敏感波段; 2)4个子波段中, 波段C建模效果最好, 选择5~10个PCA主成分作为特征变量建立SVC识别模型时, 在主成分个数相同的情况下, 其正确率可以达到90%以上, 总体高于全波段和其他子波段。基于离散系数筛选较敏感的子波段进行PCA, 选择合适的主成分个数作为特征变量, 建立苎麻叶片褐斑病SVC识别模型是可行的, 为开创一种新的苎麻褐斑病诊断方法提供技术支持。

苎麻（Boehmeiria nivea L）是我国的特产, 作为一种传统的纤维作物, 一直有着较高的经济地位。 开发一种基于高光谱的、 新型高效的苎麻品种识别方法, 有利于苎麻栽种、 种质资源开发利用, 为实现苎麻高产优质及麻田精准管理提供关键技术支撑, 对提高苎麻产量和品质有重要意义。 为了将高光谱技术应用于苎麻品种识别, 采集了9个不同基因型苎麻品种, 利用地物光谱仪测定苎麻叶片高光谱反射率, 共1 458个叶片高光谱数据, 利用主成分分析(PCA)对高光谱数据进行降维, 探讨PCA最佳主因子个数的确定方法, 比较不同主因子个数与不同判别分析(DA)方法——即线性判别分析(LDA)、 二次判别分析(QDA)和马氏距离判别分析(MD-DA)组合, 在建立基于叶片高光谱的苎麻品种识别模型中效果。 对全波段的数据样本进行主成分分析之后, 以2～20个主成分作为特征变量, 分别建立LDA, QDA和MD-DA三种品种判别模型进行预测, 以预测集正确率为评价标准, 比较各种组合的效果。 结果表明, 若以累积贡献率≥85%为标准, 选择2个主成分时, LDA, QDA和MD-DA三种判别模型预测集正确率分别为32.92%, 38.48%和33.54%; 以特征值≥1为标准, 选择11个主成分时, 三种判别模型预测集正确率分别为68.72%, 87.04%和83.54%; 若以预测集正确率为优先考虑标准, 将主成分个数增加至20个时, 三种判别模型正确率有较大提高, 分别为84.98%, 95.68%和95.27%。 由此, 得到如下结论: ①利用PCA组合DA方法建立基于苎麻叶片高光谱的品种识别模型是可行的, 但因子数不同、 DA判别标准不同、 组合方法不同效果差异非常大; ②主因子个数对识别结果的影响较为明显, 适当增加主成分个数可以显著提高模型判别正确率, 因此不应局限于PCA特征值和方差累积贡献率的选择方法; ③主因子个数相同时, 三种判别标准中, QDA效果最好, LDA效果最差; ④最佳组合是20个主成分+QDA方法, 其数据维度大大降低（由全波段的2 031维降低20维）, 而预测集正确率为95.68%。

This study aimed to explore the application of surface-enhanced Raman scattering (SERS) in the rapid diagnosis of gastric cancer. The SERS spectra of 68 serum samples from gastric cancer patients and healthy volunteers were acquired. The characteristic ratio method (CRM) and principal component analysis (PCA) were used to differentiate gastric cancer serum from normal serum. Compared with healthy volunteers, the serum SERS intensity of gastric cancer patients was relatively high at 722cm-1, while it was relatively low at 588, 644, 861, 1008, 1235, 1397, 1445 and 1586cm-1. These results indicated that the relative content of nucleic acids in the serum of gastric cancer patients rises while the relative content of amino acids and carbohydrates decreases. In PCA, the sensitivity and specificity of discriminating gastric cancer were 94.1% and 94.1%, respectively, with the accuracy of 94.1%. Based on the intensity ratios of four characteristic peaks at 722, 861, 1008 and 1397cm-1, CRM presented the diagnostic sensitivity and specificity of 100% and 97.4%, respectively, and the accuracy of 98.5%. Therefore, the three peak intensity ratios of I722/I861, I722/I1008 and I722/I1397 can be considered as biological fingerprint information for gastric cancer diagnosis and can rapidly and directly reflect the physiological and pathological changes associated with gastric cancer development. This study provides an important basis and standards for the early diagnosis of gastric cancer.

随着遥感卫星在轨任务复杂性的不断提升, 对卫星定姿精度的要求也不断提高。星敏感器是星上精度最高的姿态敏感器, 因而其在轨标定是提高定姿精度的有效手段。由于大视场星敏感器的镜头畸变复杂, 目前广泛采用的基于星对角距的最小二乘法存在一定局限性。因此提出一种基于机器学习的星敏感器在轨标定算法, 该方法结合机器学习预测建模思想, 通过构造特征建立镜头畸变模型, 并结合主成分分析方法进行冗余特征的消除, 最后从星角距和模型泛化能力两方面对标定效果进行评价。仿真结果表明: 算法对镜头畸变程度较大的星敏感器有良好的校正效果, 标定精度始终能保持在0.８″内, 与目前几种主流算法相比, 具有精度高, 鲁棒性好等优点。

几丁质是真菌细胞壁中一种重要的结构多糖, 本文首次采用共聚焦显微拉曼技术对山茶刺盘孢菌的气生菌丝进行原位检测研究, 首先确定了采集菌丝拉曼光谱的最优实验参数, 并获得了菌丝, 几丁质标准品和背景三种物质的典型拉曼光谱, 对其中的特征峰进行归属分析, 发现菌丝光谱中有明显的几丁质特征峰。 然后对置于载玻片上菌丝的感兴趣区域进行拉曼光谱面扫描, 通过主成分分析法发现面扫描区域中, 菌丝和背景两种信号可以明显区分开来, 结合主成分的载荷因子图得到了菌丝的两个主要的特征差异峰1 622和1 368 cm-1, 1 622 cm-1属于菌丝中几丁质的特征峰, 而1 368 cm-1是来源于菌丝中的果胶多糖。 最后通过对几丁质在1 622 cm-1特征峰波段附近范围积分, 绘制了几丁质在菌丝中二维和三维的化学成像图, 直观且无损的再现了几丁质在菌丝中的空间分布。

为了实现运动目标的检测，提出使用一种基于自适应阈值和主成分分析(Principal Components Analysis，PCA)的运动目标检测方法。首先，拍摄一组静态环境下无运动物体的图像以得到PCA 使用的变换矩阵。通过变换矩阵，连续的图像可以被映射到变换空间；相反，变换后的图像通过逆变换也可以被还原。通过计算原图像和还原图像之间的欧氏距离，可以实现运动目标的检测。欧式距离大于阈值的图像区域被认为属于运动目标。算法通过阈值的动态调整得到自适应阈值，从而在很大程度上实现对光照等环境条件变化的补偿。实验结果表明，此方法具有较好的鲁棒性和有效性。

为探究一种快速、 可靠的肉苁蓉属中药材检测方法, 实验采用荧光光谱成像技术结合模式识别方法对肉苁蓉属三种中药材: 荒漠肉苁蓉、 管花肉苁蓉和沙苁蓉进行鉴别研究。 实验中发现肉苁蓉样品存在较显著的荧光特性, 采集来自不同产地、 不同批次以及不同超市购买的三种肉苁蓉属药材的40个样品的荧光光谱图像, 对图像进行去噪、 二值化处理后, 根据光谱立方体绘制每个样本的光谱曲线, 将所得450～680 nm波段范围内的光谱数据作为鉴别分析的研究对象, 应用主成分分析法(PCA)对三种肉苁蓉的光谱数据进行降维处理, 再结合Fisher判别方法对三种肉苁蓉进行鉴别。 分别比较多元散射校正(MSC)、 标准正态变量校正变换(SNV)以及一阶微分(FD)三种数据预处理方法对鉴别模型的影响, 并根据主成分的累积贡献率和主成分因子数对判别模型效果的影响对主成分因子数进行优化。 分析结果表明: 一阶微分预处理后提取前四个主成分进行Fisher判别的鉴别效果最佳, PCA结合Fisher判别建立肉苁蓉属三种药材的判别模型原始判别的准确率达到100%, 交叉验证的准确率达到95%。 由此可见, 利用荧光光谱成像技术结合主成分分析及Fisher判别对肉苁蓉属三种药材的鉴别分析是可行的, 而且具有操作简便、 快速、 可靠等优点。

针对传统的X射线CT系统因采用积分探测器难于区分材质细微差别的关键技术问题, 基于MARS X射线能谱CT系统, 开展了彩色CT成像技术研究。研究结果表明, 对被碘溶液腐蚀的橡胶管和注射有新型造影剂(金纳米微粒)的小老鼠进行多个X射线能量段的CT断层扫描, 提取和量化不同能量范围橡胶管投影数据和小老鼠的CT图像, 重建出橡胶管彩色投影图像和小老鼠胸腔彩色CT图像, 展现了橡胶管内部复杂结构及金纳米微粒主要集中于小老鼠胸腔上部血管的信息, 显示了X射线能谱CT刻画物质信息的细微差别能力和呈现物质不同组成成分的能力。

本文利用傅里叶变换红外光谱(FTIR)结合主成分分析和聚类分析对白小米、黄小米、糯小米、青小米、陈黄小米、黑小米和大黄米进行鉴别研究。所有样品的傅里叶变换红外光谱整体相似,二阶导数光谱存在明显的差异。选取1800~1400 cm-1范围内的二阶导数光谱数据对52份小米样品做多变量分析,结果显示,主成分分析的分类准确率为84.6%,系统聚类分析的分类准确率为92.3%。结果表明傅里叶变换红外光谱技术结合化学计量学能有效地区分不同品种的小米,为不同小米的分类鉴定提供新的方法与途径。