拉曼光谱预处理与拉曼成像插值算法的研究

论文摘要

噪声和荧光背景是拉曼光谱采集过程中面临的主要挑战,这使得拉曼光谱分析及成像变得十分困难。本文提出一种基于小波理论的拉曼光谱预处理算法,该算法包含去噪和基线校正功能,可自动完成对拉曼光谱的前期处理。首先,我们对传统的尺度相关性去噪法进行改进,完成拉曼光谱的去噪。之后对信号进行基线校正,分五个步骤:1)谱峰位置的检测;2)基于Haar小波进行连续小波变换,完成二阶导数的近似计算,进而将谱峰区域和背景区域分离;3)从谱峰密集区域(Peak Intensive Area,PIA)中估计阈值,用于进一步的谱峰识别;4)对谱峰端点、谱峰及谱峰位置进行修正;5)去除背景后,对谱峰端点进行二次修正。将该方法用于模拟拉曼光谱与实验获取的拉曼光谱进行处理,得到了很好的去噪效果与良好的背景校正性能。此外,该预处理算法几乎不需要人为干涉,便可自动完成去噪和去背景处理。拉曼成像是基于拉曼技术的样品分析过程中一个非常重要的环节,对检测区域内某种物质成分的浓度、分布以及变化情况都有着较为完整的统计与描述。目前大多数拉曼成像系统是基于点扫描模式,为了节约扫描时间,保证在扫描过程中测量环境及样品的一致度,通常尽量减少扫描点。但这也导致实验获得的拉曼成像含有较少的像素点,成像效果较差,因此迫切需要对其进行插值放大处理。本文基于高斯光束在拉曼成像中的特殊意义,从理论上分析并提出了一种新的适用于拉曼成像的插值方法,这种新的插值方法通过设置采集间隔使得相邻采集点处采集区域相切,然后基于采集区域所含的信息进行插值。通过使用MATLAB软件对粗采集的拉曼信号进行成像及插值,并比较插值前后的成像效果,发现新的插值方法具有良好的放大效果。通过该插值方法进行放大亦可大大节省采集具有相同像素点的拉曼图像所消耗的时间,进而节省实验资源。本文以插值放大两倍为例,对该插值方法进行详细说明,实际中我们可以根据具体要求进行相应的插值放大。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
•   1.1 拉曼光谱技术原理
•   1.2 拉曼光谱技术发展史
•   1.3 本文研究背景
•   1.4 本文工作内容与安排
• 第二章 小波变换的理论解释
•   2.1 傅里叶变换与短时傅里叶变换
•   2.2 小波变换
•     2.2.1 连续小波变换（CWT）
•     2.2.2 离散小波变换（DWT）
•     2.2.3 平稳小波变换（SWT）
•   2.3 多分辨率分析
•   2.4 几种常见的小波函数
•   2.5 本章小结
• 第三章 拉曼光谱去噪算法的研究
•   3.1 常见的信号去噪方法
•     3.1.1 窗口平均滤波法
•     3.1.2 窗口中值滤波法
•     3.1.3 高斯滤波法
•     3.1.4 S-G滤波法
•   3.2 小波去噪方法的研究
•     3.2.1 小波阈值去噪法
•     3.2.2 小波模极大值去噪法
•     3.2.3 尺度相关性去噪法
•     3.2.4 平移不变量小波去噪法
•   3.3 一种基于尺度相关性去噪法改进的新算法
•     3.3.1 拉曼光谱的数学模型
•     3.3.2 去噪处理前的一些准备
•     3.3.3 改进算法的基本原理介绍
• j的获取'>    3.3.4 噪声标准差σ_j的获取
•     3.3.5 实验仿真结果与去噪效果分析
•   3.4 本章小结
• 第四章 拉曼光谱基线校正算法的研究
•   4.1 一种新的具有谱峰识别功能的基线校正算法
•     4.1.1 连续小波变换在谱峰识别中的应用
•     4.1.2 基于连续小波变换近似求导对谱峰宽的影响
•     4.1.3 基线校正算法的详细步骤
•     4.1.4 对谱峰端点、谱峰、谱峰位置的修正
•     4.1.5 实验仿真结果与基线校正效果分析
•   4.2 一种简单易行的基线校正方法
•   4.3 本章小结
• 第五章 拉曼成像插值放大算法的研究
•   5.1 拉曼成像
•   5.2 实验准备
•     5.2.1 实验信息
•     5.2.2 光谱预处理
•     5.2.3 原始成像
•   5.3 插值原理
•   5.4 结果与讨论
•   5.5 本章小结
• 第六章 总结与展望
•   6.1 结论
•   6.2 展望
• 参考文献
• 在学期间的研究成果
• 致谢

文章来源

类型: 硕士论文

作者: 席杨

导师: 李月娥

关键词: 拉曼光谱,小波变换,去噪,基线校正,近似求导计算,拉曼成像,高斯光束,插值放大

来源: 兰州大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,物理学,计算机软件及计算机应用

单位: 兰州大学

分类号: O241.3;TP391.41;O433.5

DOI: 10.27204/d.cnki.glzhu.2019.000216

总页数: 66

文件大小: 8536K

下载量: 218