CN109813660A - 一种分段式的矿物光谱噪声处理方法 - Google Patents

一种分段式的矿物光谱噪声处理方法 Download PDF

Info

Publication number
CN109813660A
CN109813660A CN201811586496.XA CN201811586496A CN109813660A CN 109813660 A CN109813660 A CN 109813660A CN 201811586496 A CN201811586496 A CN 201811586496A CN 109813660 A CN109813660 A CN 109813660A
Authority
CN
China
Prior art keywords
array
denoted
dimension
wavelet
segmented
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811586496.XA
Other languages
English (en)
Inventor
李瀚波
潘蔚
余长发
田青林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Institute of Uranium Geology
Original Assignee
Beijing Research Institute of Uranium Geology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Research Institute of Uranium Geology filed Critical Beijing Research Institute of Uranium Geology
Priority to CN201811586496.XA priority Critical patent/CN109813660A/zh
Publication of CN109813660A publication Critical patent/CN109813660A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明属于高光谱遥感分析技术领域，具体涉及一种分段式的矿物光谱噪声处理方法，读入矿物光谱数组；对上述光谱数组进行分段，分为三个一维数组；对分段后的三个数组，分别进行一维离散小波分解；对一维离散小波分解后的数组，按照不同的高频分量级别，分别进行小波重构；新建一维数组，将上小波重构后的数组写入该新建一维数组中，对一维数组进行分段去噪；将分段去噪后的数组写回矿物光谱数据中，完成分段式的矿物光谱噪声处理。本发明的方法能够针对性的减小仪器本身测量误差对某些波段范围的噪声影响，并减少去噪处理对蕴含重要信息波段范围内信息损耗的影响。

Description

一种分段式的矿物光谱噪声处理方法
技术领域
本发明属于高光谱遥感分析技术领域，具体涉及一种分段式的矿物光谱噪声处理方法。
背景技术
由于在光谱测量过程会中受到仪器，样品背景，各种干扰等随机因素的影响，使用ASD光谱仪测量得到的蚀变矿物光谱数据中不可避免的含有噪声，如果不加以处理，会影响校正模型建立的质量和未知样品预测结果的准确性。通过对光谱数据的去噪预处理，可以减少噪声的影响，提高模型的稳定性。
通常采用的去噪方法包括平滑，傅立叶分析等。其中光谱平滑的目的是消除高频随机误差，其基本思路是在平滑点的前后各取若干点来进行“平均”或“拟合”，以求得平滑点的最佳估计值，消除随机噪声。这种平滑的方法可有效地平滑高频噪声，提高信噪比，但是它对有效信号也进行平滑，容易造成信号失真，降低了光谱分辨率，而且光谱的两端不能进行平滑，因此存在一定的局限性。
小波分析是从傅立叶分析的基础上发展起来的，通过引入可变的尺度因子和平移因子，在信号分析时具有可调的时频窗口，解决了时频局部化矛盾，弥补了傅立叶分析的不足，为信号处理提供了一种多分辨率下的动态分析手段。小波分析由于能够同时在时频域中进行信号分析，所以它能有效区分信号中的突变部分和噪声，从而实现对信号的去噪，是蚀变矿物光谱噪声处理的有力工作。
使用ASD光谱仪测量的矿物光谱，其波长范围在350-2500纳米之间。由于仪器本身的特征，其测量值往往在2400-2500纳米具有比其他波段范围内更加剧烈的噪声影响。而在实际应用蚀变矿物光谱分析中，2100-2400纳米是非常重要的光谱分析波段范围，在去噪的过程中，光谱信息的丢失量是应该考虑的因素。因此，传统的小波分析在全波段范围内进行蚀变矿物光谱噪声处理，没有考虑到不同波长范围内噪声的特点和差异，具有一定的局限性。
发明内容
本发明的目的在于提供一种分段式的矿物光谱噪声处理方法，本发明的方法能够针对性的减小仪器本身测量误差对某些波段范围的噪声影响，并减少去噪处理对蕴含重要信息波段范围内信息损耗的影响。
实现本发明目的的技术方案：一种分段式的矿物光谱噪声处理方法，该方法的具体步骤如下：
步骤(1)读入矿物光谱数组；
步骤(2)对上述步骤(1)中所读入的光谱数组进行分段，分为三个一维数组；
步骤(3)对上述步骤(2)中分段后的三个数组，分别进行一维离散小波分解；
步骤(4)对上述步骤(3)中一维离散小波分解后的数组，按照不同的高频分量级别，分别进行小波重构；
步骤(5)新建一维数组，将上述步骤(4)中小波重构后的数组写入该新建一维数组中，对一维数组进行分段去噪；
步骤(6)将上述步骤(5)中分段去噪后的数组写回矿物光谱数据中，完成分段式的矿物光谱噪声处理。
所述的步骤(1)中的矿物光谱数组为一维数组X(350-2500)，其中，光谱范围为350-2500纳米。
所述的步骤(1)中使用ASD光谱仪测量的矿物光谱数据读入一维数组中，得到一维数组X(350-2500)。
所述的步骤(2)的具体步骤如下：
步骤(2.1)对数组X(350-2500)取波段范围为350-2100纳米为一个一维数组，记为X1(350-2100)；
步骤(2.2)对数组X(350-2500)取波段范围为2101-2400纳米为一个一维数组，记为X2(2101-2400)；
步骤(2.3)对数组X(350-2500)取波段范围为2401-2500纳米为一个一维数组，记为X3(2401-2500)。
所述的步骤(3)的具体步骤如下：
步骤(3.1)对数组X1(350-2100)进行四级一维离散小波分解，分解后的小波低频分量记为X1D(350-2100)，第三级高频分量记为X1G3(350-2100)；
步骤(3.2)对数组X2(2101-2400)进行四级一维离散小波分解，分解后的小波低频分量记为X2D(2101-2400)，第二级高频分量记为X2G2(2101-2400)；
步骤(3.3)对数组X3(2401-2500)进行四级一维离散小波分解，分解后的小波低频分量记为X3D(2401-2500)，第四级高频分量记为X2G4(2401-2500)。
所述的步骤(4)的具体步骤如下：
步骤(4.1)使用小波低频分量X1D(350-2100)和第三级高频分量X1G3(350-2100)进行小波重构，重构后的数组记为CG1(350-2100)。
步骤(4.2)使用小波低频分量X2D(2101-2400)和第二级高频分量X2G2(2101-2400)进行小波重构，重构后的数组记为CG2(2101-2400)。
步骤(4.3)使用小波低频分量X3D(2401-2500)和第四级高频分量X2G2(2101-2400)进行小波重构，重构后的数组记为CG3(2401-2500)。
所述的步骤(5)中新建一维数组为Y(350-2500)，将小波重构后的数组CG1(350-2100)、CG2(2101-2400)和CG3(2401-2500)写入该新建一维数组Y(350-2500)中，即对一维数组Y(350-2500)进行分段去噪。
本发明的有益技术效果在于：本发明的方法对ASD光谱仪采集的蚀变矿物光谱，有针对性的进行分段式的小波噪声处理，不同波段采用不同的去噪阈值。
附图说明
图1为本发明所提供的一种分段式的矿物光谱噪声处理方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
如图1所示，为本发明所提供的一种分段式的矿物光谱噪声处理方法，该方法的具体步骤如下：
步骤(1)读入矿物光谱数组X(350-2500)。
在野外或室内使用ASD光谱仪测量的矿物光谱数据读入一维数组中，该一维数组记为X(350-2500)，其中ASD光谱仪所测量光谱范围为350-2500纳米，光谱分辨率为1纳米。
步骤(2)对上述步骤(1)中所读入的光谱数组X(350-2500)进行分段，分为三个一维数组。该步骤包含以下步骤：
步骤(2.1)对数组X(350-2500)取波段范围为350-2100纳米为一个一维数组，记为X1(350-2100)。
步骤(2.2)对数组X(350-2500)取波段范围为2101-2400纳米为一个一维数组，记为X2(2101-2400)。
步骤(2.3)对数组X(350-2500)取波段范围为2401-2500纳米为一个一维数组，记为X3(2401-2500)。
步骤(3)对上述步骤(2)中分段后的三个数组，分别进行一维离散小波分解。该步骤包含以下步骤：
步骤(3.1)对数组X1(350-2100)进行四级一维离散小波分解，小波基选择Sym4，分解后的小波低频分量记为X1D(350-2100)，第三级高频分量记为X1G3(350-2100)。
步骤(3.2)对数组X2(2101-2400)进行四级一维离散小波分解，小波基选择Sym4，分解后的小波低频分量记为X2D(2101-2400)，第二级高频分量记为X2G2(2101-2400)。
步骤(3.3)对数组X3(2401-2500)进行四级一维离散小波分解，小波基选择Sym4，分解后的小波低频分量记为X3D(2401-2500)，第四级高频分量记为X2G4(2401-2500)。
步骤(4)对上述步骤(3)中一维离散小波分解后的数组，按照不同的高频分量级别，分别进行小波重构。该步骤包含以下步骤：
步骤(4.1)使用小波低频分量X1D(350-2100)和第三级高频分量X1G3(350-2100)进行小波重构，重构后的数组记为CG1(350-2100)。
步骤(4.2)使用小波低频分量X2D(2101-2400)和第二级高频分量X2G2(2101-2400)进行小波重构，重构后的数组记为CG2(2101-2400)。
步骤(4.3)使用小波低频分量X3D(2401-2500)和第四级高频分量X2G2(2101-2400)进行小波重构，重构后的数组记为CG3(2401-2500)。
步骤(5)新建一维数组Y(350-2500)，将上述步骤(4)中小波重构后的数组CG1(350-2100)、CG2(2101-2400)和CG3(2401-2500)写入该新建一维数组Y(350-2500)中，即对一维数组Y(350-2500)进行分段去噪。
步骤(6)将上述步骤(5)中分段去噪后的数组Y(350-2500)写回矿物光谱数据中，完成分段式的矿物光谱噪声处理。
上面结合附图和实施例对本发明作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。

Claims (7)

1.一种分段式的矿物光谱噪声处理方法，其特征在于：该方法的具体步骤如下：
步骤(1)读入矿物光谱数组；
步骤(2)对上述步骤(1)中所读入的光谱数组进行分段，分为三个一维数组；
步骤(3)对上述步骤(2)中分段后的三个数组，分别进行一维离散小波分解；
步骤(4)对上述步骤(3)中一维离散小波分解后的数组，按照不同的高频分量级别，分别进行小波重构；
步骤(5)新建一维数组，将上述步骤(4)中小波重构后的数组写入该新建一维数组中，对一维数组进行分段去噪；
步骤(6)将上述步骤(5)中分段去噪后的数组写回矿物光谱数据中，完成分段式的矿物光谱噪声处理。
2.根据权利要求1所述的一种分段式的矿物光谱噪声处理方法，其特征在于：所述的步骤(1)中的矿物光谱数组为一维数组X(350-2500)，其中，光谱范围为350-2500纳米。
3.根据权利要求2所述的一种分段式的矿物光谱噪声处理方法，其特征在于：所述的步骤(1)中使用ASD光谱仪测量的矿物光谱数据读入一维数组中，得到一维数组X(350-2500)。
4.根据权利要求3所述的一种分段式的矿物光谱噪声处理方法，其特征在于：所述的步骤(2)的具体步骤如下：
步骤(2.1)对数组X(350-2500)取波段范围为350-2100纳米为一个一维数组，记为X1(350-2100)；
步骤(2.2)对数组X(350-2500)取波段范围为2101-2400纳米为一个一维数组，记为X2(2101-2400)；
步骤(2.3)对数组X(350-2500)取波段范围为2401-2500纳米为一个一维数组，记为X3(2401-2500)。
5.根据权利要求4所述的一种分段式的矿物光谱噪声处理方法，其特征在于：所述的步骤(3)的具体步骤如下：
步骤(3.1)对数组X1(350-2100)进行四级一维离散小波分解，分解后的小波低频分量记为X1D(350-2100)，第三级高频分量记为X1G3(350-2100)；
步骤(3.2)对数组X2(2101-2400)进行四级一维离散小波分解，分解后的小波低频分量记为X2D(2101-2400)，第二级高频分量记为X2G2(2101-2400)；
步骤(3.3)对数组X3(2401-2500)进行四级一维离散小波分解，分解后的小波低频分量记为X3D(2401-2500)，第四级高频分量记为X2G4(2401-2500)。
6.根据权利要求5所述的一种分段式的矿物光谱噪声处理方法，其特征在于：所述的步骤(4)的具体步骤如下：
步骤(4.1)使用小波低频分量X1D(350-2100)和第三级高频分量X1G3(350-2100)进行小波重构，重构后的数组记为CG1(350-2100)。
步骤(4.2)使用小波低频分量X2D(2101-2400)和第二级高频分量X2G2(2101-2400)进行小波重构，重构后的数组记为CG2(2101-2400)。
步骤(4.3)使用小波低频分量X3D(2401-2500)和第四级高频分量X2G2(2101-2400)进行小波重构，重构后的数组记为CG3(2401-2500)。
7.根据权利要求6所述的一种分段式的矿物光谱噪声处理方法，其特征在于：所述的步骤(5)中新建一维数组为Y(350-2500)，将小波重构后的数组CG1(350-2100)、CG2(2101-2400)和CG3(2401-2500)写入该新建一维数组Y(350-2500)中，即对一维数组Y(350-2500)进行分段去噪。
CN201811586496.XA 2018-12-25 2018-12-25 一种分段式的矿物光谱噪声处理方法 Pending CN109813660A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811586496.XA CN109813660A (zh) 2018-12-25 2018-12-25 一种分段式的矿物光谱噪声处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811586496.XA CN109813660A (zh) 2018-12-25 2018-12-25 一种分段式的矿物光谱噪声处理方法

Publications (1)

Publication Number Publication Date
CN109813660A true CN109813660A (zh) 2019-05-28

Family

ID=66602349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811586496.XA Pending CN109813660A (zh) 2018-12-25 2018-12-25 一种分段式的矿物光谱噪声处理方法

Country Status (1)

Country Link
CN (1) CN109813660A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111949919A (zh) * 2020-06-14 2020-11-17 杭州谱育科技发展有限公司 降低aes检测中噪声的方法
CN113324918A (zh) * 2021-01-26 2021-08-31 核工业北京地质研究院 一种岩石光谱去噪方法
CN113505703A (zh) * 2021-07-13 2021-10-15 天津工业大学 一种用于噪声分布不均匀的光谱信号去噪方法
CN117405622A (zh) * 2023-12-14 2024-01-16 广东伊茗药业有限公司 一种燕窝中亚硝酸盐含量智能检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6289297B1 (en) * 1998-10-09 2001-09-11 Microsoft Corporation Method for reconstructing a video frame received from a video source over a communication channel
CN101153840A (zh) * 2006-09-29 2008-04-02 深圳迈瑞生物医疗电子股份有限公司 一种提高气体分析仪测量精度的方法和装置
CN102944252A (zh) * 2012-11-28 2013-02-27 重庆邮电大学 一种基于平移不变量小波的fbg信号处理方法
CN104076003A (zh) * 2014-07-04 2014-10-01 核工业北京地质研究院 一种矿物光谱吸收特征参数的提取方法
CN104182946A (zh) * 2014-09-09 2014-12-03 江南大学 基于指数软硬择中阈值函数的光谱去噪方法
CN106842348A (zh) * 2015-12-04 2017-06-13 核工业北京地质研究院 油气微渗漏高光谱遥感识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6289297B1 (en) * 1998-10-09 2001-09-11 Microsoft Corporation Method for reconstructing a video frame received from a video source over a communication channel
CN101153840A (zh) * 2006-09-29 2008-04-02 深圳迈瑞生物医疗电子股份有限公司 一种提高气体分析仪测量精度的方法和装置
CN102944252A (zh) * 2012-11-28 2013-02-27 重庆邮电大学 一种基于平移不变量小波的fbg信号处理方法
CN104076003A (zh) * 2014-07-04 2014-10-01 核工业北京地质研究院 一种矿物光谱吸收特征参数的提取方法
CN104182946A (zh) * 2014-09-09 2014-12-03 江南大学 基于指数软硬择中阈值函数的光谱去噪方法
CN106842348A (zh) * 2015-12-04 2017-06-13 核工业北京地质研究院 油气微渗漏高光谱遥感识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周小林: "基于多尺度EMD的激光雷达信号分段去噪", 《红外与激光工程》 *
周鑫: "基于融合小波的高光谱生菜农残梯度鉴别研究", 《中国农机化学报》 *
路威: "高光谱遥感数据自适应小波滤噪", 《信息工程大学学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111949919A (zh) * 2020-06-14 2020-11-17 杭州谱育科技发展有限公司 降低aes检测中噪声的方法
CN113324918A (zh) * 2021-01-26 2021-08-31 核工业北京地质研究院 一种岩石光谱去噪方法
CN113324918B (zh) * 2021-01-26 2023-01-24 核工业北京地质研究院 一种岩石光谱去噪方法
CN113505703A (zh) * 2021-07-13 2021-10-15 天津工业大学 一种用于噪声分布不均匀的光谱信号去噪方法
CN117405622A (zh) * 2023-12-14 2024-01-16 广东伊茗药业有限公司 一种燕窝中亚硝酸盐含量智能检测方法
CN117405622B (zh) * 2023-12-14 2024-03-22 广东伊茗药业有限公司 一种燕窝中亚硝酸盐含量智能检测方法

Similar Documents

Publication Publication Date Title
CN109813660A (zh) 一种分段式的矿物光谱噪声处理方法
CN107274908B (zh) 基于新阈值函数的小波语音去噪方法
US10891719B2 (en) Systems, methods and programs for denoising signals using wavelets
CN106199532B (zh) 基于混合傅立叶-小波分析的探地雷达信号降噪方法
CN110503060B (zh) 一种光谱信号去噪方法及其系统
CN102681014A (zh) 基于多项式拟合的规则线性干扰压制方法
CN104182946A (zh) 基于指数软硬择中阈值函数的光谱去噪方法
CN105044769B (zh) 提高地震信号的分辨率的方法
CN110808057A (zh) 一种基于约束朴素生成对抗网络的语音增强方法
CN105929029B (zh) 一种用于sh导波无损检测技术中噪声处理方法
CN113281809B (zh) 一种地震信号的谱分析方法
Biswal et al. Comparison of time-frequency methods for analyzing stimulus frequency otoacoustic emissions
CN117727332A (zh) 基于语谱特征分析的生态种群评估方法
CN102043168B (zh) 一种对数字信号进行仿真加噪的处理方法
Zhidong et al. A new method for processing end effect in empirical mode decomposition
CN109724693A (zh) 一种基于平稳小波的融合光谱去噪方法
CN102880861B (zh) 基于线性预测倒谱系数的高光谱图像分类方法
CN116184333A (zh) 一种基于局部迭代滤波的线性调频信号参数估计方法
CN115795272A (zh) 一种基于分数阶迭代离散小波变换的谱线去噪方法
CN108999606A (zh) 一种随钻方位电磁波电阻率测井曲线降噪方法
CN114611329A (zh) 一种基于变分模态分解的时域电磁法近场噪声压制方法
CN113324918B (zh) 一种岩石光谱去噪方法
CN108445541B (zh) 基于统计学相干重要体构造导向滤波压制采集脚印的方法
CN113066483A (zh) 一种基于稀疏连续约束的生成对抗网络语音增强方法
CN104268838A (zh) 一种面向超光谱数据库的小波去噪算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190528

RJ01 Rejection of invention patent application after publication