扩展粒子群波段选择的制作方法

扩展粒子群波段选择
1.相关申请的交叉引用
2.本技术要求于2019年2月14日提交的名称为“扩展粒子群波段选择”的美国临时专利申请号62/805,742(其全部内容通过引用被并入)的优先权。
3.领域
4.高光谱成像在隐藏的毒品、化学战剂和爆炸物的非接触式检测方面受到越来越多的关注。更广泛地，高光谱成像对于期望检测材料表面上不同化学化合物或特征的任何领域(包含化学、材料科学、卫生保健、诊断和制造)而言是有用的。然而，虽然高光谱图像的光谱信息内容丰富，但可能难以处理巨量的维度数据。这对于需要在低功耗装置或便携式装置上近实时采集或实时采集和/或处理高光谱数据的应用而言可能尤其具有挑战性。
5.为了更快且更有效地处理高光谱图像(尤其是在低功耗装置或便携式装置上)，需要显著降低高光谱图像中的波段数量以用于高精度的对象检测。在遥感高光谱图像和陆基高光谱图像中降低高光谱图像的维数被称为波段选择，并且包含数种现有技术。传统上，基于变换的方法(如特征向量分析、一阶导数分析、和主成分分析及其变体)已经用于波段选择。这些方法将矩阵变换应用于高光谱图像，以将数据投影到较低维度的坐标空间上。在这种情况下，变换导致对象的原始光谱信息丢失，自动目标检测算法中的后续步骤通常需要原始光谱信息。此外，基于变换的方法需要收集完整高光谱图像，以应用变换矩阵。这使得实时检测或近实时检测变得困难(尤其是在低功耗装置或便携式装置上)。
6.可替代地，基于信息的方法尝试测量高光谱图像中每个波段的信息内容。然后，选择具有判别能力的具有较高信息内容的波段用于对象检测。基于说明性的信息的方法基于熵、互信息、约束能量、波段相关性、描述性特征和群集中心距离的测量。基于信息的方法相较于基于变换的方法的一个优势是波段子集保留了感兴趣的对象的原始光谱信息。然而，基于信息的方法非常容易受到影响信息内容的现实世界外部因素(如环境变化、光照变化、噪声等)的影响。
7.对于存在于感兴趣的对象上的任何给定化学品或材料，需要快速且有效地获得最优评分传递函数的技术。
8.概述
9.本公开提供用于检测沉积在感兴趣的对象上或者与感兴趣的对象相关的感兴趣的化合物的方法和系统。
10.在一实施方案中，存在用于使用高光谱成像检测感兴趣的化合物的系统，系统包括：处理器，在检测到高光谱图像时，处理器：收集超立方体，初始化来自超立方体的至少一个粒子；将目标函数应用于超立方体以确定至少一个奖励(reward)；聚合(aggregate)至少一个奖励；使具有较少奖励的粒子突变(mutate)；更新每个粒子的速度；评估每个粒子的奖励；如果每个粒子的奖励高于规定阈值，则输出感兴趣的化合物的图像；并且如果每个粒子的奖励低于规定阈值，则将目标函数应用于超立方体以确定至少一个奖励；聚合至少一个奖励；使具有较少奖励的粒子突变；更新每个粒子的速度；并且再次评估每个粒子的奖励。
11.在另外的实施方案中，超立方体通过图像检测器由电磁辐射的波长成像，电磁辐
射的波长包含约0.01nm至约10nm(x
‑
射线)、约180nm至约380nm(uv)、约380nm至约720nm(vis)、约720nm至约1100nm(nir)、约400nm至约1100nm(vis
‑
nir)、约850nm至约1800nm(swir)、约1200nm至约2450nm(eswir)、约720nm至约2500nm(nir
‑
eswir)、约3μm至约8μm(mwir)、约8μm至约15μm(lwir)、约15μm至约1mm(fir)、约720nm至约1mm(ir)、或约100μm至约1mm(太赫兹)、其邻近连续范围的组合、其重叠范围的组合、或其不重叠范围的组合中的一种或更多种。
12.在另外的实施方案中，感兴趣的化合物是药物、酒精、大麻、麻醉剂、基于铵的爆炸物、基于mge的爆炸物、毒性化合物、有机化合物、无机化合物、神经性毒剂、生物化合物、及其组合中的一种或更多种。
13.在另外的实施方案中，药物选自由赛宝松(suboxone)、海洛因、甲基苯丙胺、美沙酮、可卡因、氯胺酮、pcp、乙酰芬太尼、枸橼酸芬太尼、d
‑
苯丙胺、利多卡因、可卡因游离碱、咖啡因、及其组合组成的组。
14.在另外的实施方案中，基于铵的爆炸物选自由硫酸铵、硝酸铵燃料油(anfo)、达纳炸药(dynamite)、以及dyno ap、及其组合组成的组。
15.在另外的实施方案中，基于mge的爆炸物选自由tnt、hmx奥克托尔(hmx octol)、rdx、c4、comp b、及其组合组成的组。
16.在另外的实施方案中，从约1nm至约20nm的波段大小初始化粒子。
17.在一实施方案中，存在用于使用高光谱成像检测感兴趣的化合物的方法，方法包括：从图像检测器收集超立方体；初始化来自超立方体的至少一个粒子；将目标函数应用于超立方体以确定至少一个奖励；聚合至少一个奖励；使具有较少奖励的粒子突变；更新每个粒子的速度；评估每个粒子的奖励；如果每个粒子的奖励高于规定阈值，则输出感兴趣的化合物的图像；并且如果每个粒子的奖励低于规定阈值，则将目标函数应用于超立方体以确定至少一个奖励；聚合至少一个奖励；使具有较少奖励的粒子突变；更新每个粒子的速度；并且再次评估每个粒子的奖励。
18.在另外的实施方案中，超立方体通过图像检测器由电磁辐射的波长成像，电磁辐射的波长包含约0.01nm至约10nm(x
‑
射线)、约180nm至约380nm(uv)、约380nm至约720nm(vis)、约720nm至约1100nm(nir)、约400nm至约1100nm(vis
‑
nir)、约850nm至约1800nm(swir)、约1200nm至约2450nm(eswir)、约720nm至约2500nm(nir
‑
eswir)、约3μm至约8μm(mwir)、约8μm至约15μm(lwir)、约15μm至约1mm(fir)、约720nm至约1mm(ir)、或约100μm至约1mm(太赫兹)、其邻近连续范围的组合、其重叠范围的组合、或其不重叠范围的组合中的一种或更多种。
19.在另外的实施方案中，感兴趣的化合物是药物、酒精、大麻、麻醉剂、基于铵的爆炸物、基于mge的爆炸物、毒性化合物、有机化合物、无机化合物、神经性毒剂、生物化合物、及其组合中的一种或更多种。
20.在另外的实施方案中，药物选自由赛宝松、海洛因、甲基苯丙胺、美沙酮、可卡因、氯胺酮、pcp、乙酰芬太尼、枸橼酸芬太尼、d
‑
苯丙胺、利多卡因、可卡因游离碱、咖啡因、及其组合组成的组。
21.在另外的实施方案中，基于铵的爆炸物选自由硫酸铵、硝酸铵燃料油(anfo)、达纳炸药、以及dyno ap、及其组合组成的组。
22.在另外的实施方案中，基于mge的爆炸物选自由tnt、hmx奥克托尔、rdx、c4、comp b、及其组合组成的组。
23.在另外的实施方案中，从约1nm至约20nm的波段大小初始化粒子。
24.在一个实施方案中，存在用于使用高光谱成像检测感兴趣的化合物的计算机程序产品，计算机程序产品包括计算机可读存储介质，计算机可读存储介质具有嵌入计算机可读存储介质中的程序指令，程序指令通过处理器可执行以使得处理器：从图像检测器收集超立方体；初始化来自超立方体的至少一个粒子；将目标函数应用于超立方体以确定至少一个奖励；聚合至少一个奖励；使具有较少奖励的粒子突变；更新每个粒子的速度；评估每个粒子的奖励；如果每个粒子的奖励高于规定阈值，则输出感兴趣的化合物的图像；并且如果每个粒子的奖励低于规定阈值，则将目标函数应用于超立方体以确定至少一个奖励；聚合至少一个奖励；使具有较少奖励的粒子突变；更新每个粒子的速度；并且再次评估每个粒子的奖励。
25.在另外的实施方案中，超立方体通过图像检测器由电磁辐射的波长成像，电磁辐射的波长包含约0.01nm至约10nm(x
‑
射线)、约180nm至约380nm(uv)、约380nm至约720nm(vis)、约720nm至约1100nm(nir)、约400nm至约1100nm(vis
‑
nir)、约850nm至约1800nm(swir)、约1200nm至约2450nm(eswir)、约720nm至约2500nm(nir
‑
eswir)、约3μm至约8μm(mwir)、约8μm至约15μm(lwir)、约15μm至约1mm(fir)、约720nm至约1mm(ir)、或约100μm至约1mm(太赫兹)、其邻近连续范围的组合、其重叠范围的组合、或其不重叠范围的组合中的一种或更多种。
26.在另外的实施方案中，感兴趣的化合物是药物、酒精、大麻、麻醉剂、基于铵的爆炸物、基于mge的爆炸物、毒性化合物、有机化合物、无机化合物、神经性毒剂、生物化合物、及其组合中的一种或更多种。
27.在另外的实施方案中，药物选自由赛宝松、海洛因、甲基苯丙胺、美沙酮、可卡因、氯胺酮、pcp、乙酰芬太尼、枸橼酸芬太尼、d
‑
苯丙胺、利多卡因、可卡因游离碱、咖啡因、及其组合组成的组。
28.在另外的实施方案中，基于铵的爆炸物选自由硫酸铵、硝酸铵燃料油(anfo)、达纳炸药、以及dyno ap、及其组合组成的组。
29.在另外的实施方案中，基于mge的爆炸物选自由tnt、hmx奥克托尔、rdx、c4、comp b、及其组合组成的组。
30.在另外的实施方案中，从约1nm至约20nm的波段大小初始化粒子。
31.附图的简要说明
32.就下列说明、所附权利要求和附图而言，本文描述的实施方案的方面、特征、益处和优势将是显而易见的，其中：
33.图1是扩展粒子群波段选择(epsbs)算法工作流程的一实施方案的图示。
34.图2是粒子如何使用速度更新规则行进通过搜索空间的图示。
35.图3a是感兴趣的对象上的感兴趣的化合物的图示。
36.图3b描绘了当应用于图3a中的感兴趣的化合物时由示例性评分传递函数wl1/wl2创建的所得的搜索空间n。
37.图3c是通过在图3b的搜索空间n上应用评分传递函数α
o
生成的最优评分图像s
o
。
38.图3d是表示r
i
与α
i
之间相关性的图表。
39.图4是epsbs算法工作流程的一实施方案的图示。
40.图5是epsbs算法工作流程的另一实施方案的图示。
41.图6是用于检测药物的本公开的一实施方案的图示。
42.图7是用于检测爆炸物的本公开的一实施方案的图示。
43.详细说明
44.本公开不限于描述的特定系统、装置和方法，因为这些可以变化。说明书中使用的术语仅出于描述特定版本或实施方案的目的，而不旨在限制范围。
45.如本文件中所使用的，除非上下文另外明确指出，否则单数形式“一(a)”、“一(an)”和“所述(the)”包含复数提及。除非另有定义，否则本文使用的全部技术术语和科学术语具有与本领域普通技术人员通常理解的含义相同的含义。本公开的任何内容不能被解释为承认本公开中描述的实施方案由于在先发明而无权先于这样的公开。如本文件中所使用的，术语“包括”意为“包含(但不限于)”。
46.如本文中所使用的，术语“超立方体”意为多波段高光谱图像。
47.如本文中所使用的，术语“评分图像”意为通过经由一个或更多个数学运算组合多个波段而获得的二维灰度图像。
48.如本文中所使用的，术语“评分传递函数”意为当应用于超立方体时产生评分图像的数学运算。例如，与1200nm、1270nm和1235nm的波长相关的评分传递函数可以为
49.如本文中所使用的，术语“粒子(particle)”或“粒子(particles)”分别意为评分传递函数的一个可能解或多个可能解。
50.如本文中所使用的，术语“方程长度”意为波段的总数加上评分传递函数中使用的运算的总数。例如，长度为3的方程可以具有结构
51.本公开提供检测位于感兴趣的对象上、接触感兴趣的对象、或者以其他方式与感兴趣的对象相关的感兴趣的化合物的系统和方法。本公开的系统和方法利用扩展粒子群波段选择(epsbs)算法来获得任何给定的感兴趣的化合物的光学评分传递函数。epsbs算法同时执行波段选择和运算符选择。epsbs算法使由改良费舍尔比率(modified fischer’s ratio)和z评分(z
‑
score)的乘积定义的目标函数最大化。z评分测量感兴趣的对象与背景区域的信噪比。改良费舍尔比率测量感兴趣的对象与背景区域的相对方差。epsbs算法还将执行高光谱分析所需的波段数量视为可优化参数，并且因此在执行速度更新之前执行突变(mutation)步骤。在这样的突变步骤中，容许具有较少奖励的粒子突变，以匹配给定迭代中社会最佳粒子的长度。
52.在epsbs算法的一部分中，使用目标函数评估每个粒子的奖励。通过向目标函数提供可能解来进行奖励评估。通过将新评估的奖励与先前的个体最佳奖励和全局最佳奖励进行比较并且根据需要替换最佳奖励和最佳位置来更新个体的和全局的最佳奖励和最佳位置。速度和位置更新步骤负责epsbs算法的优化能力。使用下列速度更新规则更新群中每个粒子的速度(参考图2在下文定义术语)：
53.v
i
(t+1)＝w*v
i
(t)+c1*r1[x
i
(t)
‑
x
i
(t)]+c2*r2[g(t)
‑
x
i
(t)]。
[0054]
图1是epsbs算法的一部分的计算流程图。如图1中所示，将形成粒子群的多达n个粒子的候选解输入目标函数，然后产生对应于每个粒子的适应度信息。将速度更新规则应用于群中的每个粒子，并且将速度更新规则的解返回至目标函数。在一些实施方案中，图1中所示的步骤可以重复或迭代1次、2次、3次、4次、5次、6次、7次、8次、9次或10次。然而，应当理解的是，迭代次数不受限制，并且可以基于感兴趣的化合物、感兴趣的对象、背景环境因素等而改变。
[0055]
图2是粒子如何使用速度更新规则行进通过搜索空间的图形描绘。粒子的索引由i表示。因此，v
i
(t)是粒子i在迭代t时的速度，并且x
i
(t)是粒子i在迭代t时的位置。参数w(惯性机率(inertial chance))调节粒子在运动的当前方向的步长，而c1和c2分别调节个体最佳方向和全局最佳方向的步长(0≤w≤1.2，0≤c1≤2，并且0≤c2≤2)。值r1和值r2(0≤r1≤1，并且0≤r2≤1)是每次速度更新生成的随机值。值x
i
(t)是迭代t时粒子i的个体最佳候选解，并且g(t)是迭代t时群的全局最佳候选解。
[0056]
速度更新方程的三项中的每项在epsbs算法中具有不同作用。第一项w*v
i
(t)是负责使粒子在与原始前进方向相同的方向上运动的惯性分量。被称为认知分量的第二项c1*r1[x
i
(t)
‑
x
i
(t)]充当粒子的记忆，使粒子倾向于返回到其已经经历高个体奖励的搜索空间的区域。被称为社会分量的第三项c2*r2[g(t)
‑
x
i
(t)]使粒子运动到群的迄今为止发现的最佳区域。即使当超立方体搜索空间超过10维时，基于epsbs的优化也已经被证明快速收敛至全局最优值，而不会卡在局部最优点处。该能力使基于epsbs的评分传递函数选择成为用于生成评分图像以检测高光谱图像中多种对象类别的高度可靠的方法。
[0057]
在本公开的epsbs算法中，通过在有限次数的迭代中同时执行波段选择和数学运算符选择来扩展上述迭代。在一实施方案中，通过收集从具有相关感兴趣的化合物的感兴趣的对象反射的电磁辐射来形成超立方体。基于感兴趣的化合物的化学组成和感兴趣的对象的化学组成，除其他变量之外，构成超立方体的波段中的至少两个之间存在空间对比度。在具有与其相关的感兴趣的化合物的感兴趣的对象的区域和不具有与其相关的感兴趣的化合物的感兴趣的对象的区域之间出现空间对比度。收集的波段中的至少两个波段用于显示具有相关感兴趣的化合物的感兴趣的对象的区域和不具有与其相关的感兴趣的化合物的感兴趣的对象的区域之间的空间对比度。
[0058]
应用epsbs算法以增加上述空间对比度。在一些实施方案中，评分传递函数具有wl1/wl2的结构，其中wl1为第一波长波段，并且wl2为第二波长波段。在从具有5nm的波段步长的1000nm至1700nm的波长收集的示例性超立方体中，总计有141个波段，每个波段可能对应于wl1或wl2。如果波段中的两个之间存在显著对比度，则epsbs算法必须决定141
×
140或19740个可能选项中的哪个应当被输入具有wl1/wl2结构的评分传递函数中。然而，应当注意的是，超立方体的波长和波段步长不受限制，并且上述范围是示例性的。
[0059]
每个可能的评分传递函数α
i
创建评分图像s
i
。通过下列方程计算评分图像s
i
的奖励：
[0060]
r
i
＝z
i
*fr
i
[0061]
[0062][0063]
r
i
与α
i
之间的相关性创建搜索空间n。epsbs算法的目标是有效地遍历n以找到最优传递函数α
o
，使得使用α
o
生成的后续评分图像s
o
最大化奖励。对于评分图像s
i
中给定的类c，x
t
和x
b
分别为t和b的平均值，σ
t
和σ
b
分别为t和b的绝对中位差，n
t
和n
b
分别为t和b中的像素数，并且x为t+b的平均值。
[0064]
图3a
‑
3d中阐明了上述计算和变量。在图3a中，以虚线方块标记感兴趣的化合物(在图像的中心底部中)，而感兴趣的对象存在于整个图像中，并且呈现为图像左上方的实线方块。图3b描绘了由示例性评分传递函数wl1/wl2创建的所得的搜索空间n。图3c是通过在搜索空间n上应用评分传递函数α
o
生成的最优评分图像s
o
。在图3c中，白点表示对比度增强的区域，其表明感兴趣的对象上感兴趣的化合物的存在。最后，图3d表示r
i
与α
i
之间的相关性。在图3d中，纵轴对应于奖励r
i
的值，并且横轴对应于评分传递函数α
i
。最优奖励r
o
表示基于特定最优传递函数α
o
获得最高奖励的点。
[0065]
虽然上述公式和图3a
‑
3d中描绘的图像是实例，但本公开不限于其中描绘的实施方案。例如，上述说明是长度为3的方程的实例，因为其具有两个波段波长和单个评分传递函数。在一些实施方案中，方程是长度为4的方程、长度为5的方程、长度为6的方程、长度为7的方程、或长度为8的方程。如本领域技术人员可以理解的，方程长度的增加造成评分传递函数的可能组合的数量的指数增加。
[0066]
为了避免可能组合的数量的指数增加的有害影响，epsbs算法使与每个粒子相关的公式的长度突变。为了实现这一点，epsbs算法接收下列参数：群大小(表示为p
大小
)；搜索空间的方程边界的长度(表示为[l
min
,l
max
])和停止标准(由特定比例的粒子群体(particle population)实现的最小可接受奖励r
s
)。
[0067]
在一些实施方案中，在至少约10％的粒子群体、至少约20％的粒子群体、至少约30％的粒子群体、至少约40％的粒子群体、至少约50％的粒子群体、至少约60％的粒子群体、至少约70％的粒子群体、至少约80％的粒子群体、或至少约90％粒子群体中实现最小可接受奖励r
s
。
[0068]
图4是epsbs算法的工作流程的图形描绘。epsbs算法大体上包含七个步骤，所述七个步骤为准备训练数据、epsbs初始化、目标函数适应度评估、聚合、突变、速度更新和终止评估。下文详细描述epsbs算法。
[0069]
首先，创建训练数据集。这通过对多个超立方体[h1至h
n
]作注释来实现。在该步骤中，在超立方体上绘制感兴趣的区域，以标记感兴趣的材料/类别和感兴趣的背景。在训练数据中包含多个超立方体的操作增加解的鲁棒性，使解对照度变化和背景复杂度具有不变性。包含多个超立方体的操作也避免过度拟合。超立方体的数量、每个超立方体中收集的光谱和构成超立方体的波段的大小都不受限制。
[0070]
可以由图像检测器成像以形成一个或更多个超立方体的电磁辐射或光的波长不受限制，并且包含x射线、紫外线(uv)、可见光(vis)、近红外线(nir)、可见光
‑
近红外线(vis
‑
nir)、短波红外线(swir)、扩展短波红外线(eswir)、近红外线
‑
扩展短波红外线(nir
‑
eswir)、中波长红外线(mwir)、长波长红外线(lwir)、远红外线(fir)、红外线(ir)和太赫兹
辐射。这些对应于约0.01nm至约10nm(x射线)、约180nm至约380nm(uv)、约380nm至约720nm(vis)、约720nm至约1100nm(nir)、约400nm至约1100nm(vis
‑
nir)、约850nm至约1800nm(swir)、约1200nm至约2450nm(eswir)、约720nm至约2500nm(nir
‑
eswir)、约3μm至约8μm(mwir)、约8μm至约15μm(lwir)、约15μm至约1mm(fir)、约720nm至约1mm(ir)和约100μm至约1mm(太赫兹)的波长。上述范围可以单独使用或者与其他列出的范围中的任何一种组合使用。这样的组合包含邻近(连续)范围、重叠范围和不重叠范围。可以通过多个图像检测器(每个图像检测器对特定阵列敏感)的包含或者通过具有容许图像检测器感测多个不同范围的滤波器阵列的单个图像检测器来实现范围的组合。
[0071]
波段大小以及由此的用于由epsbs算法计算的波长数量不受限制。在一些实施方案中，波段大小为约1nm、约2nm、约3nm、约4nm、约5nm、约6nm、约7nm、约8nm、约9nm、约10nm、约11nm、约12nm、约13nm、约14nm、约15nm、约16nm、约17nm、约18nm、约19nm、约20nm、或者由上述值中的一个或更多个的组合形成的范围。
[0072]
其次，初始化epsbs算法。在一些实施方案中，初始化epsbs算法的步骤包含初始化[l
min
,l
max
]内的评分传递函数。在一些实施方案中，初始化是随机的。在一些实施方案中，用户选择待用于由epsbs算法分析的波段范围，这可以有益于限制搜索空间以及由此的实施算法所需的计算资源。向第二步骤添加用户输入被称为添加先验。
[0073]
第三，epsbs算法应用目标函数。目标函数将α
i
、i、∈和p
大小
应用于超立方体[h1至h
n
]中的每一个以创建评分图像[s
i,1
至s
i,n
]，并且计算奖励[r
i,1
至r
i,n
]。由下列方程计算奖励：
[0074]
r
i
＝z
i
*fr
i
[0075][0076][0077]
其中z是z评分值，fr是改良费舍尔比率，并且较高奖励r
i
表示评分图像中的较高对比度差异以及由此的两类粒子之间更明显的区别。
[0078]
第四，执行聚合(aggregation)步骤。一旦计算粒子α
i
的[r
i,1
至r
i,n
]，奖励就被组合以获得单个值并且使用以下方程描述α
i
在[h1至h
n
]范围内的性能：
[0079][0080]
其中是组合奖励，是分布[r
i,1
至r
i,n
]的标准偏差，并且β是方差的权重。
[0081]
第五，执行突变步骤。在突变步骤中，具有较少奖励的粒子有机会突变以匹配给定迭代中社会最佳粒子的长度。该突变(由突变概率控制)是对付许多基于搜索的波段选择方法所面临的组合爆炸问题极其有效的手段。该步骤允许粒子避免陷入局部最优陷阱(local optima trap)，并且探索对于算法先前可能不可见的搜索空间区域，这造成更快的收敛。
[0082]
在一些实施方案中，在迭代j中存在粒子α
i
(具有奖励和长度l
i
)。如果α
max
有
(迭代j的社会最佳奖励)和方程长度l
最佳
，则α
i
有机会以p
m
的突变概率突变成l
最佳
。在这样的实施方案中，控制突变的方程为：
[0083][0084]
其中w是迭代j的惯性机率值。
[0085]
图5中示出突变步骤的说明性工作流程。在图5中所示的实施方案中，长度为3的方程突变成长度为5的方程，以便实现改进的奖励。增加的奖励表明基于epsbs算法的特定应用的更大的对比度。
[0086]
第六，执行速度更新。在速度更新中，计算每个粒子α
i
的速度，并且使用下列方程根据其运动的当前方向、个体最佳位置和全局最佳位置更新每个粒子的速度：
[0087]
v
i
(t+1)＝w*v
i
(t)+c1*r1[x
i
(t)
‑
x
i
(t)]+c2*r2[g(t)
‑
x
i
(t)]。
[0088]
在一些实施方案中，w(其表示惯性机率)是每次迭代中从0.4至1的线性增加的变量。在上述方程中，c1和c2等于2。然而，这些值不受限制，并且可以根据感兴趣的化合物、感兴趣的对象等而改变。
[0089]
第七，执行评估步骤。在评估期间，按顺序重复步骤3、步骤4、步骤5和步骤6，除非满足停止标准r
s
或者直至满足停止标准r
s
。在每次迭代后，评估图像以确定是否满足r
s
。如果在执行步骤3、步骤4、步骤5和步骤6的迭代后不满足停止标准，则执行上述步骤3、步骤4、步骤5和步骤6的后续迭代。如果在执行步骤3、步骤4、步骤5和步骤6的迭代后满足停止标准，则评估终止epsbs算法，并且输出所得的图像。
[0090]
感兴趣的对象不受限制，并且可以是被怀疑在感兴趣的对象的表面上具有感兴趣的化合物、具有隐藏在感兴趣的对象内的感兴趣的化合物、具有接触感兴趣的对象的表面的感兴趣的化合物、具有与感兴趣的对象混合的感兴趣的化合物、或者具有以其他方式与感兴趣的对象相关的感兴趣的化合物的任何材料。感兴趣的对象可以由金属、陶瓷、纸、塑料、聚合物、混凝土、或上述材料中的一种或更多种的任何组合制成。在一些实施方案中，感兴趣的对象是正在运输的信件、文件、包裹、邮包、或货物。在一些实施方案中，感兴趣的对象是车辆、汽车、船舶、艇、飞机、货物集装箱、摩托车、自行车、火车、或上述中的一种或更多种的组合。
[0091]
感兴趣的化合物不受限制，并且可以包含药物、酒精、大麻、麻醉剂、由州法律、联邦法律或国际法律定义的管制物质、基于铵的爆炸物、基于mge的爆炸物、毒性化合物、有机化合物、无机化合物、神经性毒剂、生物化合物、及其组合中的一种或更多种。示例性药物可以包含赛宝松、海洛因、甲基苯丙胺、美沙酮、可卡因、氯胺酮、pcp、乙酰芬太尼、枸橼酸芬太尼、d
‑
苯丙胺、利多卡因、可卡因游离碱、咖啡因、及其组合。示例性基于铵的爆炸物可以包含硫酸铵、硝酸铵燃料油(anfo)、达纳炸药、以及dyno ap、及其组合。示例性基于mge的爆炸物可以包含tnt、hmx奥克托尔、rdx、c4、comp b、及其组合。
实施例
[0092]
在使用多共轭滤波器(mcf)收集的短波红外线(swir)高光谱图像上测试epsbs算法。高光谱图像含有以5nm的步长从1000nm至1700nm波长离散收集的141个波段。实施例模
拟两个特定场景：实施例1隐藏在进入教养所的邮件中的麻醉剂，以及实施例2复杂背景中真实基材上的爆炸物的残留量。这些各自表示设置在感兴趣的对象表面上的感兴趣的化合物。
[0093]
一旦epsbs算法找到最优评分传递函数，就采用自适应阈值化方法来检测感兴趣的化合物。epsbs算法和检测算法两者都在c#中实施。表1列出了所使用的全部用户定义参数及其值。
[0094]
表1
[0095][0096]
实施例1
[0097]
为了测试隐藏在邮件中的药物，采用1000个swir图像的数据集。为了模拟进入教养所的邮件，使用各种隐藏方法将药物隐藏在各种邮件物品(包含信封、贺卡、着色页、名片和明信片)中。药物浓度范围为5mg至20mg。表2列出了实验中使用的化合物(包含麻醉材料)。
[0098]
表2
[0099]
材料样品数量赛宝松172海洛因36甲基苯丙胺54美沙酮42可卡因56氯胺酮/pcp48乙酰芬太尼36枸橼酸芬太尼22d
‑
苯丙胺30利多卡因36可卡因游离碱54咖啡因24阴性对照数据(空白)390
[0100]
在实验中，对于赛宝松和表2中列出的全部其他药物，观察到列出的麻醉材料的两种不同的吸收光谱。因此，预期不同的评分传递函数将用于赛宝松和其他药物中的每种。
[0101]
将四个超立方体用于训练epsbs算法以寻找赛宝松评分传递函数，并且将20个超立方体用于寻找其他药物的评分传递函数。在实验中，用于检测赛宝松的传递函数为而用于检测其他药物的传递函数为
[0102]
表3列出了使用说明书中描述的epsbs算法实现的检测性能。如表3所示，全部情况下的检测性能均大于84％，其中其他药物的检测率高达94.11％。
[0103]
表3
[0104]
材料检测概率(％)误警概率(％)总体91.837.1赛宝松84.881.16其他药物94.118.33
[0105]
图6描绘了使用epsbs算法检测隐藏在进入教养所的邮件中的麻醉材料的波段选择的结果。在第1行中，赛宝松隐藏在着色页中。在第2行中，赛宝松隐藏在胶缝下面的信封中。在第3行中，赛宝松隐藏在着色页中。在第4行中，可卡因隐藏在邮票下面的信封中。在第5行中，可卡因游离碱隐藏在名片中。
[0106]
实施例2
[0107]
为了测试作为一种或多种感兴趣的化合物的爆炸物，选取80个swir高光谱图像的数据集。为了模拟复杂背景中沉积在真实基材上的爆炸物的残留量，将少量九(9)种爆炸物材料沉积在两(2)个不同的车门上，每种爆炸物材料的重量范围为250mg至1000mg。两个车门中的每个具有白色或红色的汽车漆，并且车门代表感兴趣的对象。使用覆盖爆炸材料的塑料覆盖物将这些材料安装至门。
[0108]
使用swir波长和多共轭滤波器(mcf)收集高光谱图像，其中mcf和图像检测器位于距车门2.5米的相隔距离处。每种单独的材料收集八(8)个swir超立方体，并且在全部爆炸材料都存在于场景中的情况下收集八(8)个超立方体。基于该实验配置，十六(16)个样品或检测机会可用于实验。
[0109]
表4列出了在实施例中用作感兴趣的化合物的全部爆炸材料。根据爆炸材料的不同化学组成，爆炸材料分类为两组不同的感兴趣的化合物。这两组转而产生两种不同的评分传递函数。由于大部分爆炸材料的颜色为白色，因此与爆炸材料一起引入混淆材料以确保所公开的用于爆炸物检测的epsbs算法的准确性。
[0110]
表4
[0111][0112]
在测试期间，将含有表4的全部材料的四个超立方体用于训练epsbs算法。对于基于铵的爆炸物，获得的评分传递函数。对于mge爆炸物，获得的评分传递函数。表5列出了所实现的检测性能。如表5中所示，基于铵的爆炸物和基于mge的爆炸物两者实现了83.55％的总体检测概率和8.75％的总体误警率。在实施例2中，需要141个波段中的5个波段或者潜在swir波段的总数的约3.5％，以实现对所列爆炸物的高准确性检测。
[0113]
表5
[0114][0115]
图7描绘了使用epsbs算法检测复杂背景中沉积在真实基材上的爆炸物材料的波段选择的结果。第1行描绘了检测白色车门上的基于铵的爆炸物。第2行描绘了检测红色车门上的基于铵的爆炸物。第3行描绘了检测白色车门上的tnt。第4行描绘了检测白色车门上的基于mge的爆炸物。第5行描绘了检测红色车门上的基于mge的爆炸物。
[0116]
在以上详细说明中，参考了形成其一部分的附图。在附图中，除非上下文另有说明，否则类似的符号通常标识类似的组分。详细说明、附图和权利要求中描述的说明性实施方案并不意味着是限制性的。在不脱离本文提出的主题的精神或范围的情况下，可以使用
其他实施方案，并且可以作出其他改变。将容易理解的是，本公开的方面(如本文中大体上描述并且在附图中阐明的)可以以各种不同的配置被布置、替代、组合、分离和设计，全部这些都在本文中被明确地预期。
[0117]
本公开不限于本技术中描述的特定实施方案，本技术中描述的特定实施方案旨在作为各个方面的说明。如对于本领域技术人员来说将是显而易见的，可以在不脱离其精神和范围的情况下作出许多修改和变化。在本公开的范围内功能等同的方法和设备(除了本文列举的那些之外)对于本领域技术人员来说从前述说明将是显而易见的。这样的修改和变化旨在落入所附权利要求的范围内。本公开仅受所附权利要求的条款以及这样的权利要求所赋予的等同物的全部范围的限制。应当理解的是，本公开不限于特定的方法、试剂、化合物、组合物或生物系统，其当然可以变化。还应当理解的是，本文中使用的术语仅出于描述特定实施方案的目的，而不旨在成为限制性的。
[0118]
对于本文中基本上任何复数术语和/或单数术语的使用，本领域技术人员可以按照对于上下文和/或本技术适当的方式从复数翻译成单数和/或从单数翻译成复数。为了清楚起见，本文可以明确地阐述各种单数置换/复数置换。
[0119]
本领域技术人员将理解的是，一般而言，本文中(尤其是所附权利要求(例如，所附权利要求的主体)中)使用的术语通常旨在作为“开放性”术语(例如，术语“包含(including)”应当被解释为“包含但不限于(including but not limited to)”，术语“具有”应当被解释为“具有至少”，术语“包含(includes)”应当被解释为“包含但不限于(includes but is not limited to)”等)。虽然用“包括”各种组分或步骤(被解释为意为“包含(但不限于)”)描述各种组合物、方法和装置，但组合物、方法和装置也可以“基本上由”各种组分和步骤“组成”或者“由”各种组分和步骤“组成”，并且这样的术语应当被解释为本质上限定闭合成员组。本领域技术人员还将理解的是，如果旨在特定数量的所引入的权利要求限定(recitation)，则将在权利要求中明确限定这样的意图，并且在不存在这样的限定的情况下不存在这样的意图。
[0120]
例如，作为对理解的辅助，下列所附权利要求可能含有引入性短语“至少一个(种)”和“一个(种)或更多个(种)”的使用以引入权利要求限定。然而，这样的短语的使用不应当被解释为暗示通过不定冠词“一(a)”或“一(an)”引入权利要求限定将含有这样的所引入的权利要求限定的任何特定权利要求限制成仅含有一个这样的限定的实施方案，甚至当同一权利要求包含引入性短语“一个(种)或更多个(种)”或“至少一个(种)”和诸如“一(a)”或“一(an)”的不定冠词(例如，“一(a)”和/或“一(an)”应当被解释为意为“至少一个(种)”或“一个(种)或更多个(种)”)时；这同样适用于使用所使用的定冠词来引入权利要求限定。
[0121]
此外，即便明确列举了所引入的权利要求限定的具体数量，本领域技术人员也将认识到，这样的限定应当被解释为意为至少所列举的数量(例如，“两个限定”的简明列举(不具有其他修饰语)意为至少两个限定、或者两个或更多个限定)。此外，在使用与“a、b和c等中的至少一个(种)”类似的约定的那些情况下，一般而言，这样的构造旨在在本领域技术人员将理解该约定的意义上(例如，“具有a、b和c中至少一个(种)的系统”将包含但不限于仅具有a的系统、仅具有b的系统、仅具有c的系统、同时具有a和b的系统、同时具有a和c的系统、同时具有b和c的系统、和/或同时具有a、b和c的系统等)。在使用与“a、b或c等中的至少一个(种)”类似的约定的那些情况下，一般而言，这样的构造旨在在本领域技术人员将理解
该约定的意义上(例如，“具有a、b或c中至少一个(种)的系统”将包含但不限于仅具有a的系统、仅具有b的系统、仅具有c的系统、同时具有a和b的系统、同时具有a和c的系统、同时具有b和c的系统、和/或同时具有a、b和c的系统)。本领域技术人员还将理解的是，实际上任何呈现两个或更多个可替代性术语的转折性词语和/或短语(无论在说明书、权利要求、或附图中)都应当被理解为预期包含术语中的一者、术语两者之一、或两个术语的可能性。例如，短语“a或b”将被理解为包含“a”或“b”或“a和b”的可能性。
[0122]
此外，在用马库什组描述本公开的特征或方面的情况下，本领域技术人员将认识到，由此也用马库什组的任何单独成员或成员的子组描述本公开。
[0123]
如本领域技术人员将理解的，对于任何目的和全部目的(如就提供书面描述而言)，本文公开的全部范围还包含其任何和全部可能的子范围以及子范围的组合。任何列出的范围都可以容易地被理解为充分地描述将相同的范围分解成至少二等份、三等份、四等份、五等份、十等份等，并且能够将相同的范围分解成至少二等份、三等份、四等份、五等份、十等份等。作为非限制性实例，本文讨论的每个范围都可以容易地分解成下三分之一、中三分之一和上三分之一等。如本领域技术人员还将理解的，全部语言(如“多达”、“至少”等)包含所列举的数字，并且指可以如上所述随后分解成子范围的范围。最后，如本领域技术人员将理解的，范围包含每个单独的成员。因此，例如，具有1
‑
3个单元的组指具有1个单元、2个单元、或3个单元的组。类似地，具有1
‑
5个单元的组指具有1个单元、2个单元、3个单元、4个单元、或5个单元的组等。
[0124]
各种以上公开的特征和功能以及其他特征和功能、或者其替代物可以组合成许多其他不同的系统或应用。本领域技术人员可以随后作出其中各种当前未预见或未预料到的替代、修改、变化或改进，其中的每个也旨在被所公开的实施方案涵盖。