【摘 要】
：
物质的太赫兹光谱具有独特的“指纹谱”特性,可以利用该特性对物质进行识别.随着人工智能技术的发展,深度学习算法在太赫兹光谱识别领域得到了越来越广泛的应用.然而在实际应
【机 构】
：
昆明理工大学信息工程与自动化学院,云南昆明650504;昆明理工大学云南省计算机技术应用重点实验室,云南昆明650504
论文部分内容阅读
物质的太赫兹光谱具有独特的“指纹谱”特性,可以利用该特性对物质进行识别.随着人工智能技术的发展,深度学习算法在太赫兹光谱识别领域得到了越来越广泛的应用.然而在实际应用中,受实验设备、实验条件以及实验环境等因素的影响,所获取的太赫兹光谱数据并不总是大规模的,无法满足深度学习算法所需的数据量要求.为了解决这一问题,本文提出了一种基于生成对抗网络(GAN)的太赫兹光谱识别方法.首先利用S-G滤波器和三次样条插值法对物质的太赫兹光谱数据进行预处理,然后通过GAN生成具有真实太赫兹光谱数据分布的仿真数据,最后将生成的数据以及真实光谱数据作为训练样本对深层神经网络进行训练,从而得出物质的识别结果.实验结果表明:GAN模型生成的太赫兹光谱数据可以有效地模拟真实太赫兹光谱数据的总体特征,扩充太赫兹光谱数据样本,极大地提高了光谱的识别精度.
其他文献
双目立体匹配根据视差原理将平面视觉转化到三维立体视觉,是三维重建的核心步骤之一。针对局部立体匹配算法在深度不连续、弱纹理区域匹配精度低且易受光照、噪声等因素干扰的问题,提出了一种改进的立体匹配算法。首先,在代价计算阶段将改进的Census代价与梯度代价进行融合,并采用引导滤波算法对图像进行多尺度代价聚合;然后,采用赢家通吃算法计算初始视差;最后,采用左右一致性检测、中值滤波进行视差后处理,得到最终
立方星具有发射成本低、周期短、尺寸小和功率小等优点,非常适合某些创新技术率先验证、星载一体化或者以分布式空间网络的方式提供遥感与通讯等服务,例如星座和编队飞行等.
为了克服迭代最近点(ICP)算法鲁棒性差、配准精度低的问题,提出了一种改进的基于快速点特征直方图(FPFH)的ICP点云配准算法。首先,基于改进内部形态描述子和法向矢量角的变化来提取点云特征;其次,使用指数函数优化欧氏距离,并将优化的欧氏距离作为FPFH算法的权重系数,用于特征点描述,从而保证利用初始对齐估计得到更准确的点云位置;然后使用双重约束和单位四元数算法完成初始配准;最后,给ICP算法构建