FTIR多光譜顯微圖像信息提取方法研究及應用.pdf

1、傅立葉變換紅外(FTIR)顯微成像技術是在紅外光譜技術基礎上發(fā)展起來的一項新興并十分具有潛力的微區(qū)分析技術,其主要優(yōu)勢在于成像干擾小,無損檢測,直觀可視,并能實現(xiàn)對活體組織的原位分析。常用的傳統(tǒng)微區(qū)化學分析方法費時,破壞樣品的原始化學結構,且對研究人員的操作技能依賴度較大。因此,近幾年,FTIR顯微成像技術在食品藥品檢測、臨床診斷、文物鑒定等領域受到了廣泛關注。本文主要研究紅外多光譜顯微圖像信息提取方法,以實現(xiàn)復雜樣品中感興趣組分分布信

2、息的提取和檢測,這對輔助病理分析及食品品質分析等均有現(xiàn)實意義。
　　 本文重點研究基于主成分分析和最小二乘支持向量機的紅外多光譜顯微圖像信息提取方法。作為信息提取的前期準備,文章首先簡要介紹了FTIR顯微光譜儀的基本原理和樣品制備方法,詳細討論了適合不同數(shù)據(jù)的預處理方法,并通過兔子動脈切片和小麥種子切片兩組實驗驗證了算法的有效性。
　　 隨后,本文深入探討了主成分分析法,并針對感興趣組分信息的特點,討論了基于郎伯一比爾模

3、型的主成分分析法(Lamber Beer PCA,簡稱LPCA),該算法通過計算載荷向量與標準樣品譜線相似度來篩選目標特征,在挖掘化學信息的數(shù)據(jù)結構上具有優(yōu)勢。并針對LPCA算法在處理大樣本問題時存在的全局算法固有缺陷,引入數(shù)據(jù)源劃分思想及特征峰判決條件加以改進,實驗結果表明,改進算法提高了運算速率并突出了隱含局部信息。
　　 然后,在簡要介紹常用分類器基礎上,重點討論了最小二乘支持向量機的分類原理、訓練樣本及模型參數(shù)選擇策略。