[发明专利]一种太赫兹异常光谱识别方法及系统

说明书

本发明公开一种太赫兹异常光谱识别方法及系统。所述识别方法包括：获取样本点的太赫兹光谱数据集合，所述数据集合中包括每一个样本点对应的太赫兹光谱数据；所述样本点为太赫兹扫描的像素点；获取基于t分布随机邻域嵌入算法的太赫兹光谱识别模型；根据所述太赫兹光谱识别模型对所述太赫兹光谱数据集合进行识别，获得降维后的太赫兹光谱数据集合；对所述降维后的太赫兹光谱数据集合进行可视化分析，识别所述降维后的太赫兹光谱数据集合中的异常点。采用本发明的方法或系统，为进一步太赫兹光谱成像分析提供先验知识和基础，进而提高太赫兹图像识别的准确性和效率。

技术领域

本发明涉及太赫兹光谱识别领域，特别是涉及一种太赫兹异常光谱识别方法及系统。

背景技术

当前，无损检测作为太赫兹技术有意义的应用方向之一，基于太赫兹成像扫描，识别出被测物体的表面缺陷以及内部隐含的气泡、裂纹和杂质等缺陷特征。但目前用于无损检测领域的太赫兹图像，通常是采用光谱单一信息成像方式而获取的，受限于太赫兹无损检测设备功率和功能等方面的差异，以及缺乏对太赫兹光谱特征的有效分析，导致采集获得的太赫兹图像质量不高，甚至很多低功率检测设备常常无法有效成像，这严重影响了对被测物体缺陷特征的有效识别。

发明内容

本发明的目的是提供一种太赫兹异常光谱识别方法及系统，通过对太赫兹光谱特征的有效分析，以达到识别太赫兹异常光谱的目的，进而提高太赫兹图像的质量。

为实现上述目的，本发明提供了如下方案：

一种太赫兹异常光谱识别方法，所述识别方法包括：

获取样本点的太赫兹光谱数据集合，所述数据集合中包括每一个样本点对应的太赫兹光谱数据；所述样本点为太赫兹扫描的像素点；

获取基于t分布随机邻域嵌入算法的太赫兹光谱识别模型；

根据所述太赫兹光谱识别模型对所述太赫兹光谱数据集合进行识别，获得降维后的太赫兹光谱数据集合；

对所述降维后的太赫兹光谱数据集合进行可视化分析，识别所述降维后的太赫兹光谱数据集合中的异常点。

可选的，所述获取基于t分布随机邻域嵌入算法的太赫兹光谱识别模型，之后还包括：

获取所述识别模型中代价函数的困惑值；

获取所述识别模型中的优化参数，所述优化参数包括迭代次数、学习速率和动量；

获取降维后的数据维度；

根据所述数据维度，采用正态分布函数N(0,10^-4I)随机初始化所述识别模型中的低维数据集合的函数式。

可选的，所述根据所述太赫兹光谱识别模型对所述太赫兹光谱数据集合进行识别，获得降维后的太赫兹光谱数据集合，具体包括：

根据样本点的太赫兹光谱数据集合和所述困惑度，确定高维数据集合基于高斯分布的条件概率分布；所述高维数据集合为所述样本点的太赫兹光谱数据集合；

根据所述高维数据集合的条件概率分布，确定高维数据集合的联合概率分布；

根据所述低维数据集合的函数式，确定低维数据集合基于t分布的联合概率分布；

根据所述高维数据集合的联合概率分布和所述低维数据集合的联合概率分布，采用随机梯度下降算法确定所述函数式的函数解，所述函数式的函数解即为降维后的太赫兹光谱数据集合。

可选的，所述根据所述高维数据集合的联合概率分布和所述低维数据集合的联合概率分布，采用随机梯度下降算法确定所述函数式的函数解，具体包括：