帮助 关于我们

返回检索结果

基于光谱融合的火星表面相关矿物分类方法研究
Classification and Discrimination of Martian-Related Minerals Using Spectral Fusion Methods

查看参考文献19篇

徐伟杰 1   武中臣 1,2 *   朱香平 2   张江 1   凌宗成 1   倪宇恒 1   郭恺琛 1  
文摘 多源数据融合能在一定程度上扩展数据信息量,更利于建立准确和稳健的分析模型。行星探测中常采用多个载荷协同分析同一目标,因此利用多载荷数据融合辨别分析火星矿物具有重要科学意义和应用前景。分别采用可见近红外(Vis-NIR)反射光谱和拉曼(Raman)散射光谱两种技术手段测量了火星表面主要矿物(硅酸盐、硫酸盐、碳酸盐)的光谱特征曲线,并对获取的光谱数据进行基线校正、Savitzky-Golay平滑以及标准矢量归一化(SNV)等必要的数据预处理。根据光谱特征,首先选取样品Vis-NIR和Raman数据信息丰富、信噪比高、光谱信号重叠小的波段(Vis-NIR:430~2 430 nm,Raman:130~1 100 cm~(-1)),然后运用软独立建模分类法(SIMCA)、主成分分析法-K最邻近分类法(PCA-KNN)分别建立基于Vis-NIR,Raman及两者融合(累加融合、串联融合)的矿物聚类分析模型。采用SIMCA算法的矿物聚类准确率由单一光谱建模的72.6%(Vis-NIR),90.7%(Raman)提升为融合建模的96.3%(累加融合)和98.1%(串联融合);采用PCA-KNN的准确率由单一光谱建模的68.9%(Vis-NIR),72.9%(Raman)提升为融合后的80.3%(累加融合)和92.6%(串联融合)。实验结果表明:光谱融合能够发挥Vis-NIR,Raman各自的数据优势,所建火星表面相关矿物分类模型的预测准确度更高。该研究为我国火星探测任务奠定了岩石分类方法基础。
其他语种文摘 Multi-source data fusion is a powerful method to combine data from multiple sources to improve the potential values and interpretation performances of the source data.Multi-payload collaborative analysis is regularly used to detect the same target in planetary exploration.Therefore,it is of great significance and potential application to use spectral fusion to establish a more accurate and robust clustering analysis model for Martian minerals identification.In this paper,the spectral characteristics of the main Martian-related minerals were analyzed by using both visible near-infrared(Vis-NIR)reflectance spectroscopy and Raman spectroscopy.And some data pre-processing methods such as baseline correction,Savitzky-Golay smoothing,standard normal variate(SNV)scaling were used to produce a high-quality representation of the spectral data.Firstly,the informationrich spectral bands with higher signal-to-noise ratio and less overlapping were selected(i.e.,Vis-NIR:430~2 430 nm;Raman: 130~1 100 cm~(-1))for the clustering analysis.Secondly,soft independent method of class analogy(SIMCA)and principal component analysis-K-nearest neighbor(PCA-KNN),were respectively built based on selected Vis-NIR,Raman and two kinds of their fusion data(i.e.,coaddition fusion and concatenation fusion),respectively.The accuracy of SIMCA model was enhanced from 72.6% (Vis-NIR)and 90.7% (Raman)to 96.3% (coaddition fusion)and 98.1% (concatenation fusion).The accuracy of PCA-KNN model was improved from 68.9% (Vis-NIR)and 72.9% (Raman)to 80.3% (coaddition fusion)and 92.6% (concatenation fusion),respectively.The results indicate that the fused Raman/Vis-NIR data can improve the classification model's accuracy of Martian-related minerals which will lay the foundation of quick rock classification for future Mars exploration.
来源 光谱学与光谱分析 ,2018,38(6):1926-1932 【核心库】
DOI 10.3964/j.issn.1000-0593(2018)06-1926-07
关键词 可见近红外光谱 ; 拉曼光谱 ; 光谱融合 ; 软独立建模分类法 ; 主成分分析-K值最邻近分类法
地址

1. 山东大学空间科学研究院, 山东省光学天文与日地空间环境重点实验室, 山东, 威海, 264209  

2. 中国科学院西安光学精密机械研究所, 瞬态光学与光子技术国家重点实验室, 陕西, 西安, 710000

语种 中文
文献类型 研究性论文
ISSN 1000-0593
学科 地质学
基金 国家自然科学基金 ;  山东省自然科学基金 ;  西安光机所瞬态光学与光子技术国家重点实验室(开放基金)研究课题
文献收藏号 CSCD:6261176

参考文献 共 19 共1页

1.  武晓莉. 多源光谱信息融合在水质分析中的应用. 分析化学,2007,35(12):1716 CSCD被引 8 次    
2.  李志刚. 基于导数光谱融合建模的红外光谱定量分析方法. 分析化学,2016,44(3):437 CSCD被引 10 次    
3.  焦爱权. 基于近红外及中红外光谱融合技术快速检测黄酒中的总酚含量及其抗氧化能力. 食品与生物技术学报,2016,35(4):357 CSCD被引 4 次    
4.  Casale M. Talanta,2010,80(5):1832 CSCD被引 8 次    
5.  Bi Y F. Classification and Discrimination of Minerals Using Laser Induced Breakdown Spectroscopy and Raman Spectroscopy. Plasma Science and Technology,2015,17(11):923 CSCD被引 4 次    
6.  Wu Z. Earth and Planetary Science Letters,2016,452:123 CSCD被引 4 次    
7.  Wang A. Journal of Raman Spectroscopy,2015,46(10):829 CSCD被引 5 次    
8.  Ling Z C. Icarus,2011,211(1):101 CSCD被引 6 次    
9.  Buzgar N. Analele Stiintifice de Universitatii AI Cuza din Iasi.Sect.2,Geologie,2009,55(1):5 CSCD被引 1 次    
10.  Haaland D. Vibrational Spectroscopy,1991,1(3):325 CSCD被引 1 次    
11.  Miyake M. American Mineralogist,1978,63(5/6):506 CSCD被引 2 次    
12.  Harri A M. Journal of Geophysical Research:Planets,2014,119(9):2132 CSCD被引 1 次    
13.  Rivera-Valentin E G. Icarus,2015,253:156 CSCD被引 1 次    
14.  Liu Y. Lunar and Planetary Science Conference,2009,40:2128 CSCD被引 1 次    
15.  王文秀. 双波段光谱融合的猪肉多品质参数同时检测方法研究. 光谱学与光谱分析,2016,36(12):4001 CSCD被引 5 次    
16.  Moros J. Talanta,2015,134:627 CSCD被引 6 次    
17.  Duca D. Energy,2016,117:251 CSCD被引 5 次    
18.  Zhu X. NeuroImage,2014:91 CSCD被引 19 次    
19.  Zhu X. Computer Vision and Pattern Recognition,2014:3089 CSCD被引 3 次    
引证文献 4 篇

1 王清亚 基于XRF和Vis - NIR光谱数据融合的土壤镉含量定量分析法 分析测试学报,2020,39(11):1327-1333
CSCD被引 0 次

2 季佳华 基于光谱数据融合技术的手帕纸品牌分类 激光与光电子学进展,2021,58(3):0330004
CSCD被引 2 次

显示所有4篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号