利用近红外光谱对非均匀样品进行分析时,所得样品光谱中包含由光散射导致的干扰信息,通常需要借助多元散射校正算法(multiple scattering correction,MSC)对光谱进行预处理。由于不同波段光谱中所包含的散射信息、噪声水平、基线漂移程...利用近红外光谱对非均匀样品进行分析时,所得样品光谱中包含由光散射导致的干扰信息,通常需要借助多元散射校正算法(multiple scattering correction,MSC)对光谱进行预处理。由于不同波段光谱中所包含的散射信息、噪声水平、基线漂移程度等存在差异,利用MSC方法对光谱进行预处理时,基于不同波段的光谱数据会得到不同的校正结果,进而影响所得定标模型的可靠性。以60个全麦粉样品为研究对象,确定定标区间后,对包含定标区间的不同波段的原始光谱分别进行MSC处理,并利用固定区间内的光谱数据结合偏最小二乘回归(partial least square regression,PLSR)方法建立分析样品中蛋白质含量的定标模型,研究了MSC光谱预处理波段对定标模型的影响,并对MSC光谱预处理波段进行了优化,使定标模型的相关系数由0.96提高到0.98,交互验证均方根误差(root mean squares error of cross validation,RMSECV)由0.37%降低到0.32%。结果表明:利用MSC方法对样品光谱预处理时,光谱预处理波段会影响多元散射校正对光谱中非化学吸收信息的校正能力,确定合适的预处理波段是获得可靠分析结果的一个前提条件。展开更多
颜色量化是将原有图像中的多种颜色根据人的视觉效果归类为较少的颜色 ,从而用这些较少种类的颜色重新生成一幅新的图像 ,使量化后的图像与原图像的差别即量化误差最小。采用了将RGB非均匀颜色空间变换到L a b 为基准的均匀颜色空间的方...颜色量化是将原有图像中的多种颜色根据人的视觉效果归类为较少的颜色 ,从而用这些较少种类的颜色重新生成一幅新的图像 ,使量化后的图像与原图像的差别即量化误差最小。采用了将RGB非均匀颜色空间变换到L a b 为基准的均匀颜色空间的方法 ,在L a b 均匀颜色空间中对彩色图像进行颜色量化 ,从而解决了量化误差相对人眼不均匀的问题。首先将彩色图像的像素数据保存在单链表中 ,然后对链表进行扫描 ,并把本次扫描得到的色差最小的两个节点合并成一个新的节点。经过足够的动态运算后可得到量化处理后的图像调色板。实验结果表明 ,本方法具有普遍性、唯一性 ,可以减小量化误差 。展开更多
文摘利用近红外光谱对非均匀样品进行分析时,所得样品光谱中包含由光散射导致的干扰信息,通常需要借助多元散射校正算法(multiple scattering correction,MSC)对光谱进行预处理。由于不同波段光谱中所包含的散射信息、噪声水平、基线漂移程度等存在差异,利用MSC方法对光谱进行预处理时,基于不同波段的光谱数据会得到不同的校正结果,进而影响所得定标模型的可靠性。以60个全麦粉样品为研究对象,确定定标区间后,对包含定标区间的不同波段的原始光谱分别进行MSC处理,并利用固定区间内的光谱数据结合偏最小二乘回归(partial least square regression,PLSR)方法建立分析样品中蛋白质含量的定标模型,研究了MSC光谱预处理波段对定标模型的影响,并对MSC光谱预处理波段进行了优化,使定标模型的相关系数由0.96提高到0.98,交互验证均方根误差(root mean squares error of cross validation,RMSECV)由0.37%降低到0.32%。结果表明:利用MSC方法对样品光谱预处理时,光谱预处理波段会影响多元散射校正对光谱中非化学吸收信息的校正能力,确定合适的预处理波段是获得可靠分析结果的一个前提条件。
文摘颜色量化是将原有图像中的多种颜色根据人的视觉效果归类为较少的颜色 ,从而用这些较少种类的颜色重新生成一幅新的图像 ,使量化后的图像与原图像的差别即量化误差最小。采用了将RGB非均匀颜色空间变换到L a b 为基准的均匀颜色空间的方法 ,在L a b 均匀颜色空间中对彩色图像进行颜色量化 ,从而解决了量化误差相对人眼不均匀的问题。首先将彩色图像的像素数据保存在单链表中 ,然后对链表进行扫描 ,并把本次扫描得到的色差最小的两个节点合并成一个新的节点。经过足够的动态运算后可得到量化处理后的图像调色板。实验结果表明 ,本方法具有普遍性、唯一性 ,可以减小量化误差 。
