1 新疆农业大学数理学院, 新疆 乌鲁木齐 830052
2 新疆农业科学院综合试验场, 新疆 乌鲁木齐 830013
3 新疆农业大学机电工程学院, 新疆 乌鲁木齐 830052
可溶性固形物含量（SSC）是反映苹果品质和成熟度的重要生理指标, 能够用于苹果品质分析和成熟度预测。 以新疆阿克苏冰糖心红富士苹果为研究对象, 从果实膨大定形期至完熟期, 以等间隔周期3 d采摘样本, 测其380~1 100 nm的可见/近红外光谱和SSC, 共552个样本。 然后融合分数阶微分（FD）及置换重要性-随机森林（PIMP-RF）算法, 构建成熟期苹果SSC预测的集成学习模型。 结果表明, 基于PLS模型优选的分数阶微分阶次为0阶、 0.4阶、 1.1阶和1.6阶, 且通过PIMP-RF算法进行特征重要性和可解释性分析结果显示, 利用可见/近红外光谱预测成熟期苹果SSC的关键波长主要为可见光波段, 这为今后研发新疆冰糖心红富士苹果的快速无损检测设备提供参考； 基于分数阶微分技术和PIMP-RF算法构建的成熟期苹果SSC集成学习模型具有很好的预测能力, 其训练集的相关系数r等于0.989 2, 平均绝对误差MAE等于0.241 2, 均方根误差RMSE等于0.309 1, 平均绝对百分误差等于0.018 3； 测试集的相关系数r等于0.903 8, 平均绝对误差MAE等于0.549 9, 均方根误差RMSE等于0.740 8, 平均绝对百分误差等于0.043 4, 相比于FD0-PIMP-RF、 FD0.4-PIMP-RF、 FD1.1-PIMP-RF和FD1.6-PIMP-RF模型, 集成学习模型为最优。 故而, 集成分数阶微分技术与PIMP-RF算法, 结合可见近红外光谱技术可有效地实现成熟期苹果的可溶性固形物含量预测。
可见/近红外光谱 分数阶微分 置换重要性－随机森林 K近邻（KNN）回归 可溶性固形物含量 Visible/near-infrared spectrum Fractional differential Permutation importance-random forest K-nearest neighbors (KNN) regression Soluble solids content 光谱学与光谱分析
2023, 43(10): 3059
1 西安邮电大学 电子工程学院，陕西西安702
2 西安电子科技大学 电子工程学院，陕西西安710071
针对高光谱遥感图像的特征提取与地物分类，提出一种基于分数阶微分的高光谱图像特征提取方法，设计二维分数阶微分掩模提取高光谱图像的像素空间分数阶微分（SpaFD）特征，并提出一种空谱联合准则用于选取微分掩模阶数。为充分利用高光谱图像的空间特征与光谱特征，将SpaFD特征与原始特征直连融合获得SpaFD-Spe-Spa混合特征，并采用三维卷积神经网络（3DCNN）、先采用主成分分析（PCA）对像素光谱进行降维处理再送入三维卷积神经网络（3DCNNPCA）以及采用混合光谱网络（HybridSN）验证SpaFD-Spe-Spa混合特征的有效性。实验中分别采用3✕3，5✕5和7✕7的分数阶微分掩模进行空间特征提取，4个真实高光谱图像的实验结果表明，所提取的SpaFD特征和SpaFD-Spe-Spa特征可有效提升高光谱图像的地物分类精度，且SpaFD-Spe-Spa特征对地物分类准确率的提升更为明显：SpaFD特征相比原始特征在Indian Pines，Botswana，Pavia University和Salinas 4个数据上的分类识别率在最优情况下分别提升了3.87%，1.42%，2.41%和2.87%；SpaFD-Spe-Spa特征相比原始特征在Indian Pines，Botswana，Pavia University和Salinas 4个数据上的分类识别率在最优情况下分别提升了3.90%，5.62%，3.35%和5.18%。
高光谱图像分类 分数阶微分 特征提取 卷积神经网络 hyperspectral images classification fractional differentiation feature extraction convolutional neural network 光学 精密工程
2023, 31(21): 3221
1 新疆大学地理与遥感科学学院，新疆 乌鲁木齐 830046
2 新疆绿洲生态重点实验室，新疆 乌鲁木齐 830046
3 智慧城市与环境建模自治区普通高校重点实验室，新疆 乌鲁木齐 830046
土壤有机质（SOM）对改善干旱区土地盐碱化、沙漠化和草场退化等环境问题发挥着重要作用。为了探索分数阶微分方法在SOM高光谱反演的可行性，以渭干河-库车河绿洲73个土壤样本为研究对象，通过测定其SOM含量与光谱反射率，利用0.2阶微分为步长，进行0~2阶分数阶微分的数学变换，分析分数阶处理光谱与SOM含量间的相关性，运用支持向量机回归、偏最小二乘回归和随机森林（RF）等方法对SOM含量进行定量反演。结果表明：采用RF的1.2阶微分建立的SOM含量反演模型预测精度最高，决定系数为0.93，均方根误差为1.62，相对分析误差为3.65。研究结果为精准反演该地区的SOM提供了依据，也为其他地区的SOM反演提供一定的参考。
分数阶微分 高光谱 土壤有机质 模型估测 激光与光电子学进展
2023, 60(7): 0730005
王瑾杰 1,2,3,4,5丁建丽 1,4,5葛翔宇 1,4,5张喆 1,4,5韩礼敬 1,4,5
1 新疆大学地理与遥感科学学院,新疆 乌鲁木齐 330017
2 北京师范大学防沙治沙教育部工程研究中心,北京100875
3 中国科学院数字地球重点实验室,北京100094
4 新疆大学新疆绿洲生态自治区重点实验室,新疆 乌鲁木齐 830017
5 新疆大学智慧城市与环境建模自治区普通高校重点实验室,新疆 乌鲁木齐 830017
无人机高光谱遥感为精准农业和农业信息化监测提供崭新视角。 高光谱传感器具有厘米级空间分辨率和精细的光谱分辨率, 可获取高质量的高光谱数据。 然而, 高光谱数据通常伴随噪声和数据冗余, 高光谱信息利用效率低, 常规预处理难以满足精准估算的需求。 因此, 为解决上述现实问题, 针对机载高光谱影像的数据挖掘必不可少。 利用分数阶微分(FOD)技术逐像元处理机载高光谱数据(步长为0.1)。 通过对比FOD技术与整数阶技术对高光谱数据的改善能力, 从光谱层面探寻最佳FOD阶数。 在梯度提升回归树(GBRT)算法下构建土壤含水量(SMC)估算模型, 最终在最佳模型下评估SMC的空间分布。 结果表明: FOD技术提高光谱与SMC的相关系数(rmax=0.768), 与原始光谱、 一阶微分和二阶微分处理后的光谱同SMC相关系数相比, 分别提升0.168, 0.157和0.158。 FOD技术提升模型估算精度的主因是突出有效光谱信息的作用, 特别是与水分胁迫密切敏感的叶绿素、 植物结构和水分响应波段(430, 460, 640, 660和970 nm)。 即使FOD技术取得理想的结果, 不同阶数的效果仍有差异。 高阶FOD对影像增加了一定噪声, 相较于高阶FOD(1<阶数<2), 低阶FOD(0<阶数<1)对相关性的改善更为明显。 FOD技术对SMC估算模型的性能有很大提高, 在0.4阶模型下取得最优结果(Rp2=0.874, RMSEP=1.458, RPIQ=3.029)。 此外, 0.1—0.9阶和1.6—1.9阶的SMC估算模型比整数阶模型更优(Rp2提升0.8%~13.8%), 但根据模的RPIQ发现, 低阶FOD模型在模型的预测能力方面更强。 在0.4阶模型下反演农田土壤水分的空间分布表明干旱区农田SMC具有显著的空间异质性。 研究结果表明低阶FOD技术有效地实现对高光谱数据挖掘, 从而实现农业SMC的精准估算。 该研究提出了针对机载高光谱影像处理的新方法, 为干旱区精准农业实施和管理提供新的策略。
高光谱 无人机 分数阶微分 精准农业 土壤含水量 Hyperspectral UAV FOD Precision farming Soil moisture content 光谱学与光谱分析
2022, 42(11): 3559
1 新疆农业大学数理学院, 新疆 乌鲁木齐 830052
2 新疆农业大学机电工程学院, 新疆 乌鲁木齐 830052
苹果产地溯源具有重要的应用价值和现实意义。 为了探寻苹果产地溯源新方法, 以红富士品种为研究对象, 以新疆阿克苏、 山东烟台、 陕西洛川三个产地671个红富士苹果样本为试材, 分别采集其590~1 250 nm的近红外透射光谱, 然后基于分数阶微分(FD)及主成分分析(PCA)-谱回归判别分析(SRDA)进行多模型融合, 构建红富士苹果产地溯源的集成学习模型。 首先, 将经过光谱校正后的光谱数据划分为训练集和测试集, 并利用分数阶微分预处理训练集光谱, 获取不同阶次(取0~2阶, 步长为0.1)的分数阶微分光谱; 结合不同阶次的分数阶微分光谱及PCA-SRDA算法构建基学习器, 将基学习器预测结果构成一个新训练集, 并通过决策树算法完成模型融合, 得到最终分类预测模型; 随后, 采用对应阶次的分数阶微分预处理测试集光谱, 并基于已建立的基学习器, 获得测试集相应的预测结果; 最后, 将预测结果构成一个新测试集, 并基于已建立的分类预测模型, 输出最终的预测结果。 按7:3比例随机划分样本集, 并进行200次重复实验。 结果表明, 结合不同阶次的分数阶微分预处理及线性判别分析(LDA)、 SRDA、 PCA-LDA、 PCA-SRDA算法建立多模型融合集成学习模型, 具有较好的鉴别效果和较强的鲁棒性, 其中, FD-PCA-SRDA多模型融合集成学习模型为最优, 其训练集的平均精度为97.33%, 标准差为0.49%, 测试集的平均精度为94.84%, 标准差为1.48%。 故, 分数阶微分技术及PCA-SRDA算法结合近红外透射光谱可成功、 有效地实现苹果产地溯源。
近红外透射光谱 分数阶微分 主成分分析-谱回归判别分析 苹果 产地溯源 Near-infrared transmission spectrum Fractional differential Principal component analysis-spectral regression discriminant analysis Apple Origin traceability 光谱学与光谱分析
2022, 42(10): 3249
东北大学秦皇岛分校控制工程学院, 河北 秦皇岛 066000
采用衰减全反射傅里叶变换红外光谱法(ATR-FTIR), 结合多元校正模型对γ-聚谷氨酸(γ-PGA)发酵过程中两种主要底物葡萄糖和谷氨酸钠的浓度进行间接测量, 为优化发酵系统控制提供重要的反馈信息。 光谱测量中经常出现的基线漂移会严重影响后续多元校正模型的性能, 需要采用基线校正算法对光谱进行预处理。 现有流行的基线校正算法多数是基于Whittaker Smoother(WS)平滑算法, 这些算法均采用整数阶微分对拟合基线进行约束, 表达能力有限。 针对现有基线校正算法中的整数阶微分自适应性差的问题, 利用更加灵活的分数阶微分对基线进行约束, 提出了一种基于分数阶的基线校正算法, 实现对整数阶基线校正的扩展。 总共进行了5个批次的γ-PGA发酵实验, 并对不同批次和全部批次的ATR-FTIR光谱数据分别进行了分数阶基线校正, 模型的预测精度均得到不同程度的提升。 实验结果表明, 只有在批次2时, 基于整数阶的基线校正效果最好; 其他批次的基线校正效果最好时的阶次均为分数阶。 这也表明了分数阶微分(包含整数阶微分)对基线的约束更加合理。 同时发现全部批次的整体基线校正效果远远差于单一批次的效果, 原因可能是各批次发酵光谱的基线是不同的, 对不同的批次需要选用不同的阶次以获得最佳的基线校正。 此外, γ-PGA发酵样品的ATR-FTIR光谱测量是以蒸馏水为背景, 会在3 100~3 600 cm-1波数范围内出现负水峰, 形成有害的干扰信号; 分数阶基线校正后的光谱表明, 分数阶基线校正算法将负的水峰当作基线, 在一定程度上进行了消除。 综上分析, 分数阶基线校正算法不仅扩展了传统整数阶基线校正算法的应用范围, 也为消除ATR光谱中负的水峰提供了新的解决思路。
分数阶微分 光谱预处理 基线校正 Fractional differentiation Spectral preprocessing Baseline correction 光谱学与光谱分析
2022, 42(6): 1848
1 阳光学院人工智能学院, 福建 福州 350015
2 福州大学物理与信息工程学院, 福建 福州 350108
针对噪声图像边缘模糊、边缘检测困难的问题,提出了一种结合分数阶微分的噪声图像非下采样contourlet变换 (NSCT)域边缘检测方法。该方法首先对图像进行NSCT分解,对低频子带的轮廓进行针对性提取;其次对于边缘细节和噪声较多的各方向高频子带,利用NSCT域的多尺度积和方向分数阶微分矩阵对高频系数进行阈值去噪与信息增强;最后将NSCT域各频域和方向的尺度图像进行融合,得到完整的边缘图像。对不同类型的原始图像和噪声图像进行实验,本文方法检测到的平均连续边缘像素比分别为0.931和0.861,相比Canny算子、分数阶微分检测方法和现有的多尺度域边缘检测方法,本文方法具有更好的边缘检测效果。随着图像噪声水平的增加,本文方法得到的平均连续边缘像素比较高,抗噪性强,边缘准确、完整、连续。
图像处理 边缘检测 噪声图像 轮廓提取 分数阶微分 非下采样 contourlet 变换 激光与光电子学进展
2021, 58(8): 0810021
长安大学 信息工程学院, 陕西 西安 710064
为了提高雾霾天气条件下交通图像的对比度, 清晰度和颜色保真度, 减少图像退化所带来的负面影响, 提出了一种采用快速引导滤波平滑约束的Retinex及自适应分数阶微分的雾霾天气交通图像增强算法。首先, 该方法将原图像从RGB转换到YCbCr颜色空间, 提取亮度分量构建初始图像; 其次, 构建变分模型, 借助快速引导滤波构造目标函数的平滑约束项来准确估计初始照射分量; 然后, 使用Retinex模型获得初始反射分量, 再采用自适应分数阶微分掩膜对初始反射分量进行增强得到亮度分量的增强结果, 该方法在图像噪声抑制和细节增强方面性能良好; 最后, 将处理后的反射分量结合Cb, Cr色差信息从YCbCr转换到RGB颜色空间即得到最终增强图像。本文对不同的雾霾交通图像进行了对比实验, 实验结果表明, 新方法的标准差(STD)和平均梯度(AG)较原图至少提高1.12倍和4倍以上, 信息熵(E)至少提高4.76%以上, 综合性能优于其他的对比算法。新方法在图像增强和细节保持方面得到了很好地改进, 有效地提高了雾霾天气条件下公路交通图像的颜色保真度、对比度和细节清晰度等, 使得增强后的图像视觉效果和可视度明显改善, 更加真实自然。
快速引导滤波 自适应分数阶微分 图像增强 fast guided filtering Retinex Retinex adaptive fractional differentiation image enhancement
1 新疆大学绿洲生态教育部重点实验室, 新疆 乌鲁木齐 830046
2 新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室, 新疆 乌鲁木齐 830046
3 广东省生态环境技术研究所, 广东 广州 510650
采集新疆渭干河-库车河典型绿洲96个表层土样,测量其光谱反射率和土壤有机碳(SOC)含量,采用分数阶微分技术(阶数的取值范围为0~2,步长为0.2)结合极限学习机、随机森林、多元自适应回归样条函数、弹性网络回归和梯度提升回归树(GBRT)5种机器学习算法,并对SOC含量进行高精度估算。实验结果表明:分数阶微分的预处理效果优于整数阶微分;特定波段处相关性得到明显提高,最大相关性提高了0.220;作为集成学习的GBRT(验证集中决定系数为0.878,相对分析误差为3.142)在不同阶数下均优于其他模型,建议使用基于1.6阶光谱反射率的GBRT估测干旱区绿洲SOC含量。总之,基于可见光-近红外(VIS-NIR)结合分数阶微分技术与机器学习算法,为提高估测干旱区绿洲SOC含量的模型精度提出新方案。
光谱学 土壤有机碳 可见光-近红外光谱 机器学习 分数阶微分 激光与光电子学进展
2020, 57(15): 153001
