1 吉林大学仪器科学与电气工程学院, 吉林 长春 130061
2 吉林大学化学学院超分子结构与材料国家重点实验室, 吉林 长春 130012
单细胞拉曼光谱(SCRS)技术具有快速、 灵敏和无标记的优势, 可以从单细胞水平上研究细胞结构, 本文为实时监测单细胞微生物生长代谢变化, 提出了基于谱聚类和SCRS的细胞生长检测方法, 并采集600个同步培养的发酵工程菌-大肠杆菌SCRS数据作为实验数据, 采集300个发酵益生菌-枯草芽孢杆菌SCRS数据验证方法适用性。 首先, 对同步培养的菌落测量OD600生长曲线作为微生物群体水平上生长时期标签; 其次, 应用t-SNE对群体细胞SCRS数据进行可视化分析, 指导谱聚类对高维SCRS数据聚类分析, 并应用轮廓系数和CH index评估最佳聚类簇, 赋予每个SCRS数据簇标签; 最后, 应用三次样条插值拟合统计SCRS数据簇标签和生长时期标签交集, 精准识别群体中共存的生长时期异质数据, 实现对单细胞微生物生长时期精准鉴定。 结果表明, 基于谱聚类与SCRS的细胞生长分析方法根据同步培养的群体细胞生长曲线, 设置2维嵌入空间维度和基于最近邻的谱聚类相似度计算方法, 有效检测三个生长时期最佳聚类簇中9%和4.3%异质数据。 提出的无监督检测单细胞生长的方法, 借助谱聚类无需标记就可以直接根据SCRS数据特征进行建模, 并能够对任意形状的高维SCRS数据聚类且快速收敛的优势, 实现了对两种发酵工程菌和发酵益生菌细胞滞后期、 对数期和稳定期的精准识别, 真正意义上实现从单细胞水平上检测细胞生长, 为发酵工程提供更加精准、 实时的调控指导, 具有重要的工程应用价值。
谱聚类 单细胞拉曼光谱 细胞生长 发酵工程 Spectral Clustering Single-cell Raman spectroscopy Cell growth, Fermentation engineering 光谱学与光谱分析
2023, 43(9): 2832
1 广东工业大学信息工程学院，广东 广州 510006
2 中国人民解放军火箭军工程大学，陕西 西安 710025
3 中国人民解放军96962部队，北京 102206
大规模高光谱图像聚类算法广泛应用于遥感领域，主要包括K均值（K-means）聚类、谱聚类算法等。然而谱聚类算法仍然有局限性，由于其计算复杂性高所以不适用于大规模问题。基于锚图的谱聚类算法在一定程度上能够减少计算的成本，然而在处理大规模高光谱图像数据时，锚点需要足够密集，否则无法获得合理的精度，这使得该聚类算法的计算成本急剧增加。为了克服这些问题，提出了一种新的基于多层二部图的高光谱快速谱聚类算法。该算法首先使用二叉树选点方式选取锚点，然后选择多层锚点构建多层锚点图，接着构造一个多层二部图，最后对该图进行谱分析。实验证明了提出算法的高效性。
图像处理 高光谱图像 多层图 二叉树 二部图 谱聚类 激光与光电子学进展
2022, 59(12): 1210009
沈阳理工大学 装备工程学院， 辽宁 沈阳 110159
在红外成像过程中，目标边缘模糊化是影响红外目标识别效果的关键因素，也是红外目标识别算法的研究重点，故在光谱图像中合理补偿目标几何特征信息成为研究热点之一。结合包含目标几何特征信息的包围盒作为约束条件，对红外光谱图像进行分层限定滤波，降低原有图像数据中目标几何外形数据的丢失，提高目标可识别性。设计了在包围盒约束条件下的光谱聚类算法，设置参数η表征待测军用车辆目标的几何信息，设置参数m表征待测军用车辆目标的光谱特征信息。实验采用TEL-1000-MW型红外成像光谱仪获取多光谱图像，通过改变m和η值调整光谱特征值个数与包围盒范围，从而获得不同的目标识别图像。并与传统方法对同一幅红外目标图像的识别效果相比较，结果发现采用包围盒约束的待测目标图像几何边界信息保留效果明显优于传统方法，当m=10、η=0.7时，红外图像的目标识别效果最好，同时算法收敛速度也最优。由此可见，该算法在提高红外目标识别能力、避免误判伪目标和漏检目标方面具有很高的实用价值。
红外目标识别 光谱聚类 包围盒约束 军用车辆 infrared target recognition spectral clustering bounding box constraints military vehicles 红外与激光工程
2021, 50(11): 20210085
安徽理工大学电气与信息工程学院, 安徽 淮南 232001
突水事故威胁井下人员的生命安全和造成财产损失, 因此准确检测出突水水源类型具有重大意义。 使用水化学分析法检测水源类型耗时长、 过程复杂。 激光诱导荧光(LIF)技术具有快速、 灵敏、 干扰小等优点, 将LIF技术结合智能算法建立突水水源识别模型可以准确检测出突水水源的类型。 目前这类模型一般需要对荧光光谱进行去噪、 降维、 波段选取等处理, 过程繁琐, 并且模型都是在均匀分组的突水水源荧光光谱上建立的, 并没有讨论不均匀分组对模型的影响, 也没有针对不均匀分组建立模型。 在实际工程应用中, 采集的样本数量是有很大概率呈现不均匀的, 因此本文提出一种飞蛾扑火(MFO)算法结合谱聚类(SC)的方法实现对不均匀分组的突水水源荧光光谱的识别。 实验中, 首先从淮南煤矿获取5种实验水样, 使用激光诱导荧光实验设备采集所有水样的荧光光谱, 五种水样的组数分别为75, 80, 80, 30和135。 其次, 建立MFO-SC水样识别模型, 通过对比后标签映射方式选择K-Means、 相似矩阵的计算方式选择高斯核函数和划分准则选择ncut, 用MFO对高斯核函数的参数寻优得到σ的值为1.745并且固定模型的初始聚类中心。 随后, 分别建立K-Means, SVM和MFO-SVM3种水样识别模型。 对比MFO-SC模型与K-Means模型, 得到MFO-SC模型的最优准确率为100%且平均准确率也为100%, K-Means模型的最优准确率为99.75%, 而平均准确率为79.57%; 再分别计算SVM模型和MFO-SVM模型的训练集准确率和测试集准确率, SVM模型训练集准确率为80%, 测试集准确率为80%; MFO-SVM模型训练集准确率为100%, 测试集准确率为95.625%。 最后, 使用4种模型对其他三个不均匀分组的突水水源荧光光谱进行识别, 研究结果表明将MFO-SC算法用于突水水源类型的识别上是有效的, 可以准确地检测出突水水源的类型, 对煤矿生产安全有重要意义。
激光诱导荧光 矿井突水水源 谱聚类 Laser induced fluorescence Mine water inrush source Spectral clustering MFO MFO
1 广东工业大学信息工程学院, 广东 广州 510006
2 中国人民解放军96630部队, 北京 102206
高光谱图像聚类问题一直是图像处理领域的研究热点。谱聚类算法是最流行的聚类算法之一,但其计算复杂度较大,难以处理大规模的高光谱图像数据。由于二叉树能够较快地选取锚点,因此基于二叉树锚点图,充分利用高光谱图像的光谱和空间特性,可保证聚类性能并降低计算复杂度。然而,该聚类算法一般采用有核的聚类方法,因此不可避免地引入了参数调节。在二叉树锚点选取的基础上,提出了一种基于二叉树锚点的高光谱快速聚类算法,该算法创新性地将二叉树锚点选取和无核聚类方法应用于高光谱图像中。首先,利用二叉树从高光谱数据中选取一些具有代表性的锚点;紧接着构造基于锚点的无核相似图,有效避免了通过人为调节热核参数来构造相似图;然后进行谱聚类分析获得聚类结果;最后,将该算法应用到高光谱图像聚类中。该算法不仅提高了聚类速度,还减少了原有热核参数调节。实验结果表明,与传统的聚类算法相比,所提算法能够在较短的时间内获得更佳的聚类精度。
图像处理 高光谱图像 谱聚类 二叉树 锚点 激光与光电子学进展
2021, 58(2): 0210021
1 天津大学电气自动化与信息工程学院, 天津 300072
2 天津农学院工程技术学院, 天津 300384
3 天津理工大学电气电子工程学院, 天津 300384
水果的可见光谱目标识别是实现农业自动化采摘至关重要的一步。 在水果识别的过程中, 由于重叠和遮挡的影响使得目标识别困难, 识别率不高。 本文针对自然环境中果实重叠的识别问题, 利用谱聚类算法对图像进行分割, 然后使用随机霍夫变换实现果实的识别和定位。 针对传统算法运算复杂度高, 运算速度慢的问题, 本文提出了基于均值漂移和稀疏矩阵原理的改进谱聚类算法。 首先使用均值漂移算法对图像进行预分割, 均值漂移是一种用于密度梯度的无参估计法。 该算法实质是一种迭代, 先计算出偏移量, 根据偏移量移动点, 如此反复, 直到偏移量为零即收敛到一点为止。 利用均值漂移算法除去大多数的背景像素, 为减少谱聚类算法的计算量做准备。 然后提取预分割图像的有用信息即图像中像素对之间相似度的描述, 将提取的图像特征信息映射到稀疏矩阵中, 并使用K-means算法将其分类。 得到最终的分类结果, 实现对预处理图像的再次分割。 然后恢复图像分割区域的颜色, 使用彩色向量梯度提取边缘轮廓, 对得到的轮廓图像使用随机霍夫变换, 并在检测过程中设置半径参数的范围从而进一步加快算法的运行速度。 经过检测可以得到目标的圆心坐标和半径, 从而实现重叠绿苹果的识别。 降低了谱聚类的数据处理量, 提高了算法的运行速度。 经过试验分析和算法对比, 该算法得到较高的重合度9541%, 较低的误差率459%和误检率305%。
均值漂移 稀疏矩阵 谱聚类 随机霍夫变换 目标定位 Mean shift Sparse matrix Spectral clustering Randomized hough transform Target location 光谱学与光谱分析
2019, 39(9): 2974
1 燕山大学信息科学与工程学院, 河北 秦皇岛 066004
2 河北省计算机虚拟技术与系统集成重点实验室, 河北 秦皇岛 066004
针对视觉目标中存在的遮挡现象,提出一种基于谱聚类实现深度图像遮挡边界检测的方法。首先定义一种新的遮挡相关特征——有效标准差特征,基于相关特征利用均卡方集距抽取部分像素点,构建相似矩阵;然后基于相似矩阵利用Nystrom逼近方法近似估算全部像素点的拉普拉斯矩阵与逼近特征向量,对得到的逼近特征向量进行聚类分析,把深度图像中的全部像素点划分为遮挡边界点和非遮挡边界点两大类;最后可视化遮挡边界点得到深度图像中的遮挡边界。实验结果表明,本文方法无需标记样本,且在深度图像中目标物体的遮挡边界检测方面具有较好的有效性和普适性。
机器视觉 遮挡边界 谱聚类 深度图像 有效标准差特征 均卡方集距
1 火箭军工程大学兵器发射理论与技术国家重点学科实验室,西安 710025
2 中国航空工业集团公司洛阳电光设备研究所,河南 洛阳 471000
在基于温差特性的红外目标探测方法中,红外图像分割效果极大影响着最终目标探测结果。对于一定探测距离下的红外图像,传统阈值分割法对目标边缘分割效果并不理想。针对该问题,利用卷积神经网络对图像特征进行提取,提出了基于卷积神经网络的谱聚类红外图像分割方法。实验结果表明该方法能够很好地提高红外图像分割准确性,与传统基于稀疏矩阵的谱聚类图像分割方法相比,基于卷积神经网络的谱聚类红外图像分割方法的聚类速度提高了约16倍。在一定探测距离下,新的改进谱聚类红外图像分割方法能更好地实现目标和背景的温差计算。
温差特性 图像分割 卷积神经网络 谱聚类 temperature difference characteristics image segmentation convolutional neural network spectral clustering
北京理工大学 光电学院光电成像技术与系统教育部重点实验室，北京 100081
针对近红外场景仿真中需要将不同材质分类的问题，提出一种谱聚类的灰度纹理图像分割方法。首先利用mean-shift 算法，将原始图像预分割为多个具有准确边界的同质区域，并将这些区域描述为超像素；进而，将超像素构造的无向加权图作为谱聚类的输入，通过谱聚类的方法解决超像素的过分割问题。本文的方法在谱聚类过程中考虑了超像素的纹理特征，弥补了灰度图像在谱聚类过程中只顾及灰度和空间信息的不足。实验结果表明，利用本文分割方法不但减少了运算量，并且为精细的近红外场景仿真奠定了基础。
近红外仿真 图像分割 超像素 谱聚类 纹理特征 相似度矩阵 near infrared simulation image segmentation super pixels spectral clustering texture feature similarity matrix
1 南京航空航天大学 电子信息工程学院，江苏 南京 211106
2 中国科学院西安光学精密机械研究所 中科院光谱成像技术重点实验室，陕西 西安 710119
针对高光谱遥感图像的异常检测问题，为了使高光谱降维数据能更完整地保留其光谱信息，提出了基于子空间中主成分最优线性预测的波段选择方法.采用改进相关性度量的谱聚类方法将高光谱波段划分为不同的子空间，并对各子空间中的波段进行主成分分析(PCA)，选择主要分量作为重构目标；以子空间追踪法为搜索策略，从各子空间中选择数个波段对其重构目标进行联合最优线性预测；合并各子空间中的所选波段得到最佳波段子集.实验结果表明，该方法选择的波段子集可以较完整地重构原始数据，与原始数据以及自适应波段选择(ABS)方法、线性预测(LP)方法、最大方差主成分分析(MVPCA)方法、自相关矩阵波段选择(ACMBS)方法、组合因子最优波段选择(OCFBS)方法得到的波段子集相比，其波段子集具有更好的异常检测性能.
遥感 高光谱图像 波段选择 主成分 线性预测 子空间追踪 谱聚类 remote sensing hyperspectral image band selection principal component linear prediction subspace pursuit spectral clustering
