基于Laplacian-Markov先验数据的加权光谱反卷积模型

李姣; 张天序

基于Laplacian-Markov先验数据的加权光谱反卷积模型

李姣,
张天序

1.
华中科技大学图像识别与人工智能研究所,湖北武汉 430074

基金项目:

国家自然科学基金科学仪器专项（61227007）

详细信息

作者简介:
李姣（1987-），女，硕士生，主要从事图像分析，模式识别与智能系统，多光谱信息处理技术方面的研究。Email：lijiaotiantian365@163.com；张天序（1947-），男，教授，主要从事图像分析与目标识别，精确制导智能化信息处理医学图像处理，实时并行处理方面的研究。Email：tianxuzhang@hust.edu.cn

李姣（1987-），女，硕士生，主要从事图像分析，模式识别与智能系统，多光谱信息处理技术方面的研究。Email：lijiaotiantian365@163.com；张天序（1947-），男，教授，主要从事图像分析与目标识别，精确制导智能化信息处理医学图像处理，实时并行处理方面的研究。Email：tianxuzhang@hust.edu.cn

中图分类号: O657.37

Data-weighted spectral deconvolution with Laplacian-Markov priori

1.
Institute for Pattern Recognition and Artificial Intelligence,Huazhong University of Science and Technology,Wuhan 430074,China

摘要: 针对由光谱仪器测得的拉曼光谱数据经常会受到随机噪声和仪器误差等的影响而导致低分辨率的问题，文中提出了一种能在恢复光谱结构的同时又能抑制光谱噪声的方法，即基于Laplacian-Markov约束的数据加权光谱反卷积模型。该模型将退化光谱中恢复真实光谱的问题转化为最大后验概率的求解问题，推导出了拉曼光谱恢复的变分模型。模型中利用Laplacian-Markov作为光谱数据的光滑性先验，提出加权光谱反卷积来恢复退化的光谱，并使用分裂Bregman迭代法求解。文中对该算法利用实验数据进行了验证，实验表明该方法既能恢复退化光谱细节又能抑制光谱噪声，并且求解速度快，有较强的实用价值。
- Laplacian-Markov先验 /
- 光谱反卷积 /
- 分裂Bregman迭代法 /
- 拉曼光谱
Abstract: Raman spectroscopic data often suffers from common problems of bands overlapping and random Gaussian noise. Spectral resolution can be improved by mathematically removing the effect of the instrument response function. In this paper, a novel method to deconvolute the degraded spectrum with the Laplacian-Markov priori was proposed, solving by split Bregman optimization scheme, which was fast, robust to noise and easy to implement. The Laplacian-Markov priori was proposed to save the shape peaks and suppress the noise. A data weighted operator was introduced to spectral deconvolution to find a balance between band narrowing and noise suppression. The method could estimate spectral structural details as well as suppress the noise effectively. Experimental results with real Raman spectra manifest that this algorithm can deconvolute the overlapping peaks as well as suppress the noise effectively. Owing to the fast of computing time, it is expected that the proposed method has considerable value in practice.
- Laplacian-Markov priori /
- spectral deconvolution /
- split Bregman iteration /
- Raman spectroscopy

[1]
[2]	Wang Yingwei, Chen Haobo. Preparation of ZnSe crystal of 0.5-22 m wide spectrum[J]. Infrared and Laser Engineering, 2006, 35(S2): 396-398. (in Chinese) 王瑛伟, 程灏波. 0.5～22 m宽光谱ZnSe单晶窗口制备[J]. 红外与激光工程, 2006, 35(S2): 396-398.
[3]	Zhang Meng, Zhao Huijie, Li Na. Analysis of the influence of hyperspectral spectral resolution on the mineral recognition[J]. Infrared and Laser Engineering, 2006, 35(S4): 493-498. (in Chinese) 张萌, 赵慧洁, 李娜. 高光谱数据光谱分辨率对矿物识别的影响分析[J]. 红外与激光工程, 2006, 35(S4): 493-498.
[4]
[5]
[6]	Yang Huidong, Xu Li, Chen Kexin, et al. Blind deconvolution algorithm for spectrogram super-resolution restoration[J]. Spectroscopy and Spectral Analysis, 2005, 25(9): 1520. (in Chinese) 杨怀栋, 徐立, 陈科新, 等. 盲目反卷积老谱图超分辩复原算法[J]. 光谱学与光谱分析. 2005, 25(9): 1520.
[7]
[8]	Alsmeyer F, Marquardt W. Automatic generation of peak-shaped models[J]. Appl Spectrosc, 2004, 58: 986-994.
[9]	Yuan J, Hu Z. Gauss-Newton based kurtosis blind deconvolution of spectroscopic data[J]. Chin Opt Lett OSA, 2006: 490-492.
[10]
[11]
[12]	Ottaway J, Kalivas J H, Andries E. Spectral multivariate calibration with wavelength selection using variants of tikhonov regularization[J]. Appl Spectrosc, 2010, 64: 1388-1395.
[13]
[14]	Lrenz-Fonfra V A, Padrs E. Maximum entropy deconvolution of infrared spectra: use of a Novel Entropy Expression Without Sign Restriction[J]. Appl Spectrosc, 2005, 59: 474-486.
[15]
[16]	Meng L J, Ramsden D. An inter-comparison of three spectral-deconvolution algorithms for gamma-ray spectroscopy[J]. Nuclear Science IEEE Transactions on, 2000, 47: 1329-1336.
[17]
[18]	Senga Y, Minami K, Kawata S, Minami S. Estimation of spectral slit width and blind deconvolution of spectroscopic data by homomorphic filtering[J]. Appl Opt, 1984, 23: 1601-1608.
[19]	Goldstein T, Osher S. The split bregman method for L1-regularized problems[J]. SIAM J Imag Sci, 2009, 2: 323-343.

[1]	刘强, 罗芳, 邓小江, 朱梦剑, 朱志宏, 秦石乔. 悬空石墨烯/六方氮化硼异质结焦耳热红外辐射器件的可控制备与光电性能研究（特邀） . 红外与激光工程, 2023, 52(6): 20230218-1-20230218-9. doi: 10.3788/IRLA20230218
[2]	刘瀚霖, 辛璟焘, 庄炜, 夏嘉斌, 祝连庆. 基于卷积神经网络的混叠光谱解调方法 . 红外与激光工程, 2022, 51(5): 20210419-1-20210419-9. doi: 10.3788/IRLA20210419
[3]	司赶上, 刘家祥, 李振钢, 宁志强, 方勇华. 石英管增强拉曼光纤探头粉末样品探测 . 红外与激光工程, 2022, 51(12): 20220187-1-20220187-7. doi: 10.3788/IRLA20220187
[4]	吕嘉明. 利伐沙班的定量检测：拉曼光谱法与远红外吸收光谱法 . 红外与激光工程, 2021, 50(2): 20210038-1-20210038-5. doi: 10.3788/IRLA20210038
[5]	Liu Zhi, Chen Jimin, Li Dongfang, Zhang Chenyu. Laser-induced transformation of carbon nanotubes into graphene nanoribbons and their conductive properties . 红外与激光工程, 2020, 49(9): 20200298-1-20200298-5. doi: 10.3788/IRLA20200298
[6]	张旭, 于明鑫, 祝连庆, 何彦霖, 孙广开. 基于全光衍射深度神经网络的矿物拉曼光谱识别方法 . 红外与激光工程, 2020, 49(10): 20200221-1-20200221-8. doi: 10.3788/IRLA20200221
[7]	李彬, 王守山, 张旻南, 贾群, 王青. 用于新型精神活性物质检测的手持拉曼光谱仪 . 红外与激光工程, 2020, 49(S1): 20200101-20200101. doi: 10.3788/IRLA20200101
[8]	杨彪, 胡以华. 代数迭代法在激光反射断层成像目标重构中的应用 . 红外与激光工程, 2019, 48(7): 726002-0726002(7). doi: 10.3788/IRLA201948.0726002
[9]	林常规, 郭小勇, 王先锋, 张培晴, 刘雪云, 刘永兴, 王锦平, 戴世勋. As₂Se₃硫系玻璃非球面镜片的精密模压成型 . 红外与激光工程, 2019, 48(7): 742002-0742002(7). doi: 10.3788/IRLA201948.0742002
[10]	李天舒, 姚齐峰, 李红, 王帅, 董明利. 用于易燃易爆危险化学品快速识别的手机拉曼系统 . 红外与激光工程, 2019, 48(7): 717002-0717002(6). doi: 10.3788/IRLA201948.0717002
[11]	张春玲, 王凯君, 庞庆. 采用SiPM探测三硝基甲苯的时间分辨拉曼光谱 . 红外与激光工程, 2018, 47(10): 1020004-1020004(5). doi: 10.3788/IRLA201847.1020004
[12]	王帅, 夏嘉斌, 姚齐峰, 董明利, 祝连庆. 远程激光拉曼光谱探测系统前置光学系统设计 . 红外与激光工程, 2018, 47(4): 418004-0418004(8). doi: 10.3788/IRLA201847.0418004
[13]	张祖银, 朱海军, 宋国峰. 交叉蝴蝶结纳米结构的Fano共振效应用于表面增强相干反斯托克斯拉曼散射的理论研究 . 红外与激光工程, 2017, 46(10): 1006005-1006005(6). doi: 10.3788/IRLA201763.1006005
[14]	刘翠玲, 赵琦, 孙晓荣, 邢瑞芯. QuEChERS-拉曼光谱法测定黄瓜上的吡虫啉残留量 . 红外与激光工程, 2017, 46(11): 1123002-1123002(8). doi: 10.3788/IRLA201746.1123002
[15]	张明, 朱绍玲, 高飞, 罗果. 乳腺癌氧合血红蛋白表面增强拉曼光谱研究 . 红外与激光工程, 2017, 46(4): 433001-0433001(5). doi: 10.3788/IRLA201746.0433001
[16]	姚齐峰, 王帅, 夏嘉斌, 张雯, 祝连庆. 远距离物质拉曼光谱探测系统 . 红外与激光工程, 2016, 45(11): 1103001-1103001(6). doi: 10.3788/IRLA201645.1103001
[17]	王昕, 吴景林, 范贤光, 许英杰, 卢仙聪, 左勇. 双波长激光移频激发拉曼光谱测试系统设计 . 红外与激光工程, 2016, 45(1): 106005-0106005(6). doi: 10.3788/IRLA201645.0106005
[18]	王仍, 焦翠灵, 徐国庆, 陆液, 张可峰, 杜云辰, 李向阳, 张莉萍, 邵秀华, 林杏潮. 金掺杂碲镉汞外延材料生长及拉曼光谱研究 . 红外与激光工程, 2014, 43(9): 3046-3050.
[19]	范贤光, 王昕, 许英杰, 李帆, 王海涛, 左勇. 壳层隔绝纳米粒子增强拉曼光谱测试系统设计 . 红外与激光工程, 2013, 42(7): 1798-1803.
[20]	吴斌, 陈坤峰, 王恒飞, 应承平, 史学舜, 刘红元, 骆晓森. 用激光拉曼光谱研究乙醇对水分子氢键的影响 . 红外与激光工程, 2013, 42(11): 2951-2956.

点击查看大图

计量

文章访问数: 281
HTML全文浏览量: 27
PDF下载量: 145
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

基于Laplacian-Markov先验数据的加权光谱反卷积模型

Data-weighted spectral deconvolution with Laplacian-Markov priori

计量

基于Laplacian-Markov先验数据的加权光谱反卷积模型

1. 华中科技大学图像识别与人工智能研究所,湖北武汉 430074

English Abstract

Data-weighted spectral deconvolution with Laplacian-Markov priori

1. Institute for Pattern Recognition and Artificial Intelligence,Huazhong University of Science and Technology,Wuhan 430074,China

全文HTML

目录

留言板

基于Laplacian-Markov先验数据的加权光谱反卷积模型

Data-weighted spectral deconvolution with Laplacian-Markov priori

计量

出版历程

基于Laplacian-Markov先验数据的加权光谱反卷积模型

1. 华中科技大学 图像识别与人工智能研究所,湖北 武汉 430074

English Abstract

Data-weighted spectral deconvolution with Laplacian-Markov priori

1. Institute for Pattern Recognition and Artificial Intelligence,Huazhong University of Science and Technology,Wuhan 430074,China

全文HTML

目录

1. 华中科技大学图像识别与人工智能研究所,湖北武汉 430074