FTIR多光谱显微图像信息提取方法研究及应用

FTIR多光谱显微图像信息提取方法研究及应用

论文摘要

傅立叶变换红外(FTIR)显微成像技术是在红外光谱技术基础上发展起来的一项新兴并十分具有潜力的微区分析技术,其主要优势在于成像干扰小,无损检测,直观可视,并能实现对活体组织的原位分析。常用的传统微区化学分析方法费时,破坏样品的原始化学结构,且对研究人员的操作技能依赖度较大。因此,近几年,FTIR显微成像技术在食品药品检测,临床诊断、文物鉴定等领域受到了广泛关注。本文主要研究红外多光谱显微图像信息提取方法,以实现复杂样品中感兴趣组分分布信息的提取和检测,这对辅助病理分析及食品品质分析等均有现实意义。本文重点研究基于主成分分析和最小二乘支持向量机的红外多光谱显微图像信息提取方法。作为信息提取的前期准备,文章首先简要介绍了FTIR显微光谱仪的基本原理和样品制备方法,详细讨论了适合不同数据的预处理方法,并通过兔子动脉切片和小麦种子切片两组实验验证了算法的有效性。随后,本文深入探讨了主成分分析法,并针对感兴趣组分信息的特点,讨论了基于郎伯一比尔模型的主成分分析法(Lamber Beer PCA,简称LPCA),该算法通过计算载荷向量与标准样品谱线相似度来筛选目标特征,在挖掘化学信息的数据结构上具有优势。并针对LPCA算法在处理大样本问题时存在的全局算法固有缺陷,引入数据源划分思想及特征峰判决条件加以改进,实验结果表明,改进算法提高了运算速率并突出了隐含局部信息。然后,在简要介绍常用分类器基础上,重点讨论了最小二乘支持向量机的分类原理、训练样本及模型参数选择策略。并针对红外显微图像目标特征先验知识匮乏的特点,提出了人机交互的训练样本选取方法,从而可以更灵活准确地构建分类器训练集,经实验验证,该方法可以有效提高分类精度,实用性较强。最后,结合两组实验,在算法效率、分类精度、及结果稳定度等方面,对改进算法与现有算法进行性能测试。实验结果表明,改进算法具有较好的分类精度及运算效率,适用于多光谱显微图像的感兴趣信息提取,对处理大规模样本具有优势,有一定推广能力。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 论文研究背景和意义
  • 1.2 国内外研究现状
  • 1.2.1 FTIR显微光谱技术的发展及现状
  • 1.2.2 红外显微光谱技术的应用现状
  • 1.3 研究内容及结构安排
  • 第2章 FTIR显微成像及样品制备
  • 2.1 FTIR多光谱显微成像技术
  • 2.1.1 系统组成
  • 2.1.2 工作模式
  • 2.1.3 技术指标
  • 2.1.4 局限性
  • 2.2 FTIR显微样品制备
  • 2.2.1 固体样品制备
  • 2.2.2 液体样品制备
  • 2.2.3 气体样品制备
  • 2.3 本章小结
  • 第3章 多光谱显微图像特征提取
  • 3.1 多光谱图像预处理
  • 3.1.1 数据分析
  • 3.1.2 预处理
  • 3.2 基于主成分分析的特征提取
  • 3.2.1 朗伯-比尔模型
  • 3.2.2 主成分分析法
  • 3.2.3 结合朗伯-比尔模型的主成分分析法
  • 3.2.4 改进算法
  • 3.3 基于核思想的特征提取方法
  • 3.3.1 核思想
  • 3.3.2 核主成分分析法
  • 3.4 本章小结
  • 第4章 基于主成分分析的分类方法
  • 4.1 距离度量分类器
  • 4.1.1 最小距离分类器
  • 4.1.2 最近邻分类器
  • 4.1.3 K近邻分类器
  • 4.2 支持向量机分类器
  • 4.2.1 最优分类面
  • 4.2.2 线性支持向量机
  • 4.2.3 非线性支持向量机
  • 4.3 最小二乘支持向量机分类器
  • 4.3.1 LS-SVM基本原理
  • 4.3.2 LS-SVM的训练样本及模型参数的选择
  • 4.3.3 改进的训练样本选择方法
  • 4.4 本章小结
  • 第5章 实验及结果分析
  • 5.1 多光谱显微数据实验Ⅰ
  • 5.1.1 实验材料与实验仪器
  • 5.1.2 样品制备及数据采集
  • 5.1.3 实验结果与分析
  • 5.2 多光谱显微数据实验Ⅱ
  • 5.2.1 实验材料与实验仪器
  • 5.2.2 样品制备及数据采集
  • 5.2.3 实验结果与分析
  • 5.3 实验总结
  • 5.4 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢
  • 相关论文文献

    • [1].细胞迁移显微图像自动检测初探[J]. 科技创新与应用 2020(26)
    • [2].一种基于卷积神经网络的砂岩显微图像特征表示方法[J]. 软件学报 2020(11)
    • [3].一种高倍数细胞显微图像生成式对抗网络[J]. 计算机工程 2020(06)
    • [4].基于深度学习的秀丽隐杆线虫显微图像分割方法[J]. 计算机应用 2020(05)
    • [5].显微图像法测量颗粒粒径的不确定度评定[J]. 中国粉体技术 2015(03)
    • [6].荧光显微图像显示与分析系统[J]. 科技通报 2018(01)
    • [7].荧光显微图像技术在油气勘探开发中的应用综述[J]. 石油化工应用 2016(09)
    • [8].妇科医学显微图像中乳酸杆菌的检测和统计分析[J]. 数据采集与处理 2015(05)
    • [9].微生物数字全息显微图像的嵌入式分类系统[J]. 小型微型计算机系统 2020(12)
    • [10].激光显微图像散斑对比度分析[J]. 西北大学学报(自然科学版) 2012(03)
    • [11].中医显微舌像仪——苔液显微图像辨证初探[J]. 中医杂志 2010(S1)
    • [12].荧光显微图像技术创新与推广[J]. 内蒙古石油化工 2010(19)
    • [13].沉积岩显微数字图像数据的获取与信息收集标准[J]. 中国科学数据(中英文网络版) 2020(03)
    • [14].数字摄像头和生物显微镜对显微图像定量分析的影响[J]. 中国医药导报 2014(02)
    • [15].显微图像处理技术快速检测酵母菌总数[J]. 食品工业科技 2012(08)
    • [16].基于角点的医学显微图像拼接[J]. 中国医学物理学杂志 2010(01)
    • [17].荧光显微图像量化表征方法研究[J]. 录井工程 2010(04)
    • [18].基于估计补偿的医学显微图像拼接技术[J]. 生物医学工程学杂志 2008(04)
    • [19].金属显微图像预处理与晶粒度测量的研究[J]. 吉林工程技术师范学院学报 2008(01)
    • [20].阿尔茨海默症海马区显微图像的分割算法[J]. 清华大学学报(自然科学版) 2008(09)
    • [21].基于Group-Depth U-Net的电子显微图像中神经元结构分割[J]. 中国医学物理学杂志 2020(06)
    • [22].荧光显微图像的噪声干扰去除方法研究进展[J]. 智库时代 2018(30)
    • [23].赤潮藻显微图像自动识别方法[J]. 山东大学学报(工学版) 2016(03)
    • [24].荧光显微图像在石油勘探开发领域技术系统的升级与应用[J]. 中国石油和化工标准与质量 2012(12)
    • [25].有害赤潮显微图像识别的三级分类器设计[J]. 中国海洋大学学报(自然科学版) 2012(11)
    • [26].血液显微图像中红细胞计数系统的研究与实现[J]. 医学信息 2009(01)
    • [27].使用荧光遥感及显微图像处理技术对水体富营养化预警的研究[J]. 科协论坛(下半月) 2009(07)
    • [28].基于深度学习的小样本中药材粉末显微图像识别[J]. 计算机应用 2020(05)
    • [29].基于小波变换的皮肤显微图像去噪算法的研究[J]. 上海电力学院学报 2008(01)
    • [30].荧光显微图像识别方法在呼吸道九联检中的应用[J]. 中国生物医学工程学报 2020(05)

    标签:;  ;  ;  ;  

    FTIR多光谱显微图像信息提取方法研究及应用
    下载Doc文档

    猜你喜欢