微藻分类的极化指纹

参与成员: 晏萌 博士

本文提出了一种基于穆勒矩阵所编码的物理特性的微藻分类新方法，该方法利用了由十六个极化参数组成的「极化指纹」，这些参数的选择基于它们明确的物理意义以及与微藻结构特性的关联。通过极化指纹和机器学习算法，可以有效地对微藻进行分类。这项工作展示了极化指纹在微藻分类和原位监测水域环境方面的潜力。

参考: Li, J., Wei, J., Liu, H., Wan, J., Huang, T., Wang, H., Liao, R., Yan, M., Ma, H., (2023). Polarization fingerprint for microalgae classification. Optics and Lasers in Engineering, 166, 107567. (impact factor: 5.666)

Image