[發明專利]一種近紅外光譜的分類方法

有效

• 申請號: 201510016679.8
• 申請日: 2015-01-13
• 公開（公告）號: CN104616022B
• 公開（公告）日: 2018-08-10
• 發明（設計）人: 周揚;劉鐵兵;李津蓉;施秧;陳正偉
• 申請（專利權）人: 浙江科技學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州知通專利代理事務所(普通合伙) 33221
• 代理人: 應圣義

本發明適用于光譜分析領域，提供了一種近紅外光譜的分類方法，所述方法包括：獲取待分類近紅外光譜樣本，并根據所述待分類近紅外光譜樣本獲取驗證集樣本；通過稀疏降維方法利用校正集樣本獲取最優分類分割面，并使所述校正集和驗證集光譜向最優分類分割面投影，完成光譜的壓縮變換；根據所述投影通過變換壓縮獲取所述驗證集樣本的目標校正集樣本，將所述目標校正集樣本作為所述驗證集樣本的學習字典，并根據所述學習字典對所述驗證樣本集進行分類。本發明實施例，省去了根據校正樣本集訓練學習字典的繁瑣過程，提高了近紅外光譜的分類效率。

技術領域

本發明屬于光譜分析領域，尤其涉及一種近紅外光譜的分類方法。

背景技術

利用近紅外光譜進行物質判別分類是光譜分析的一個重要應用方向，目前已有多種方法實現光譜數據的分類，最終達到判定物質類別屬性的目的。據參考文獻的報道，聚類分析、神經網絡、判別分析、貝葉斯決策、支持向量機等方法已經成功應用于農業、醫藥、食品等產品的光譜快速分析領域。而在工程實際應用中，由于訓練建模樣本不足、樣本分布不均、噪聲嚴重等情況，上述分類器或分類方法的性能就會下降。而目標特征物濃度過低，存在外部干擾，檢測基質過于混雜導致圖譜混疊情況，可能導致分類失敗，研究復雜環境下更為有效的光譜分類特征信息提取方法并實現準確分類具有現實意義。

隨著稀疏理論的推廣，利用信號稀疏特性的提取類別特征在圖像處理領域已取得了初步的研究成果，該成果用于人臉、遙感信息的分類識別有了初步成效，但現有基于稀疏表達的分類(Sparse Representation-based Classifier，簡稱SRC)非常繁瑣。

發明內容

鑒于此，本發明提供一種近紅外光譜的分類方法，以解決現有技術計算方法繁瑣的技術問題。

本發明實施例是這樣實現的，一種近紅外光譜的分類方法，所述方法包括以下步驟：

獲取待分類近紅外光譜樣本，并根據所述待分類近紅外光譜樣本獲取驗證集樣本；

通過稀疏降維方法利用校正集樣本獲取最優分類分割面，并使所述校正集和驗證集光譜向最優分類分割面投影，完成光譜的壓縮變換；

根據所述投影通過變換壓縮獲取所述驗證集樣本的目標校正集樣本，將所述目標校正集樣本作為所述驗證集樣本的學習字典，并根據所述學習字典對所述驗證樣本集進行分類。

進一步的，所述根據所述投影通過變換壓縮獲取所述驗證集樣本的目標校正集樣本，將所述目標校正集樣本作為所述驗證集樣本的學習字典，并根據所述學習字典對所述驗證樣本集進行分類的步驟，具體為：

根據驗證集樣本與校正集樣本的距離確定目標校正集樣本，將所述目標校正集樣本作為所述驗證集樣本的學習字典，并根據所述學習字典對所述驗證樣本集進行分類。

進一步的，所述根據驗證集樣本與校正集樣本的距離確定目標校正集樣本，將所述目標校正集樣本作為所述驗證集樣本的學習字典，并根據所述學習字典對所述驗證樣本集進行分類的步驟，具體為：

將所述驗證集樣本與預設的校正集樣本進行距離比較，選擇距離最近的校正集樣本作為目標校正集樣本；

獲取所述驗證集樣本在所述目標校正集樣本下的稀疏表示系數；

根據所述稀疏表示系數計算所述驗證集樣本在所述目標校正集樣本下的重構誤差；

根據所述重構誤差確定所述驗證樣本集的類別。

進一步的，所述距離為：歐氏距離或馬氏距離。

進一步的，在所述獲取所述驗證集樣本的目標校正集樣本的步驟之后，所述方法還包括以下步驟：

獲取所述驗證集樣本在所述目標校正集樣本下的稀疏表示系數；