基于荧光光谱的二维Gabor小波分析和支持向量机开发的水污染分类

必须确定城市供水系统中特定类别的污染物。 传统的检测方法主要基于常见的水质指标。 然而，由于诸如分析时间长，灵敏度不足，对试剂的需要以及废液的产生等问题，使得检查这些水质指标变得困难。 这些问题阻碍了高频水的检测和监测。 在这项研究中，采用三维（3D）荧光光谱作为水质监测方法。 提出了一种基于二维（2D）Gabor小波和支持向量机（SVM）的多分类识别方法。 用于插值的Delaunay三角剖分方法用于预处理3D荧光光谱，从而消除了瑞利散射和拉曼散射。 提出了由不同比例和旋转角度的滤波器生成的二维Gabor小波函数，以提取光谱特征。 基于Gabor特征描述的块统计方法被用来提高描述光谱特征的效率。 然后，将多个SVM分类器用于污染物分类和识别。 通过将提出的方法与常用的特征提取方法主成分分析进行比较，本研究发现二维Gabor小波和块统计的应用可以有效地描述3D荧光光谱的特征。 此外，二维Gabor小波实现了很高的分类精度，特别是对于特征峰紧密定位或重叠的物质。