CN101002460A - 输入数据的自动背景去除 - Google Patents

输入数据的自动背景去除 Download PDF

Info

Publication number
CN101002460A
CN101002460A CNA2005800258493A CN200580025849A CN101002460A CN 101002460 A CN101002460 A CN 101002460A CN A2005800258493 A CNA2005800258493 A CN A2005800258493A CN 200580025849 A CN200580025849 A CN 200580025849A CN 101002460 A CN101002460 A CN 101002460A
Authority
CN
China
Prior art keywords
data
peak
point
background
input
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2005800258493A
Other languages
English (en)
Inventor
刘堪文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lambda Solutions Inc
Original Assignee
Lambda Solutions Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lambda Solutions Inc filed Critical Lambda Solutions Inc
Publication of CN101002460A publication Critical patent/CN101002460A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8624—Detection of slopes or peaks; baseline correction
    • G01N30/8641—Baseline
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H04N1/409—Edge or detail enhancement; Noise or error suppression
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/127—Calibration; base line adjustment; drift compensation
    • G01N2201/12746—Calibration values determination
    • G01N2201/12784—Base line obtained from computation, histogram

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及输入数据的自动背景去除。提供对于诸如光谱测定数据的输入数据的自动背景信号去除。输入数据包括输入像素点，诸如由CCD光谱仪或色谱装置读取的输入像素点，以及与数据点对应的强度值。确定数据点之间的强度值变化的分布，并通过设定分布的阈值判断噪声水平。噪声区域被识别为预定数量的强度值变化在噪声水平内的连续输入点。相邻噪声区域可以被连接，并且背景信号由此被确定和减去。尖峰噪声区域也可被识别和滤除，使得从少于第二预定数量的像素点获得的峰被确定为尖峰，不是真实的峰。非尖峰的大幅值噪声被任选地滤除。

Description

输入数据的自动背景去除
技术领域
本申请涉及光谱数据、色谱数据或其它输入数据的利用和显示，并涉及从目标样品的数据中自动去除背景信号或噪声。
背景技术
光谱学是得到广泛应用的化学和材料分析用分析方法。但是，由于样品的容器、和由仪器响应波动、数据传输等产生的“噪声”或静电，在从目标样品的光谱获得的光谱数据常常存在一部分背景信号。
从光谱数据去除这些背景信号或噪声以揭示样品的真实信号对于许多定性和定量光谱应用是十分重要的。例如，在将光谱输入数据库中之前，背景去除是有用的。这对于一致性常常是必须的，以使所有的光谱具有平坦的背景。平坦的背景改善光谱的总体显示、峰值选择和识别以及光谱库搜索。光谱数据中包括的背景噪声对大多数搜索算法具有负面影响。
发明内容
提供背景去除方法、系统和计算机可读介质。方法包括输入输入数据，例如，从光谱仪获得的光谱数据或色谱数据，该输入数据由输入点和与输入点对应的强度值构成。然后，确定输入点之间的强度值变化的绝对值的分布，并根据分布的阈值判断输入数据的噪声水平。方法还会需要：通过识别预定数量的强度值变化处于噪声水平内的连续输入点，识别输入数据的噪声区域；基于识别的噪声区域从输入数据减去背景；和输出去除背景的数据作为目标样品信号。
基于低于阈值的强度值变化的绝对值判断噪声水平，并且，对于高于阈值的分布的值，确定强度值变化的绝对值的平均值，诸如中值、众数或中数或极差。
任选地，该方法可包括识别尖峰噪声域为从少于第二预定数量的输入点获得的峰。
噪声区域和连接相邻噪声区域的线段被解释为背景。
并且，可以在确定分布之前首先通过归一化和/或平滑化处理输入数据。
当处理平滑化的输入数据时，可对于平滑化的输入数据确定背景，并从未平滑化的输入数据中减去所述背景。
并且，尖峰噪声区域被识别和滤除，使得从少于第二预定数量的连续输入点获得的峰被确定为尖峰。
另外，尖峰噪声区域可被识别为其中第二数据点和倒数第二数据点中的至少一个与该峰的最高强度点对应的峰。
并且，尖峰噪声区域可以被检测为在预定数量的连续数据点内具有至少两个峰点的峰区域。对于一些光谱测定应用，连续数据点的预定数量可以是五。
附图说明
图1是根据本发明的实施例的自动背景去除方法的流程图。
图2是根据本发明的实施例的自动背景去除方法的流程图，具有一些附加的细节和任选的特征。
图3表示数据点的强度对应于y轴绘出的样品光谱。
图4表示根据本发明的实施例的样品光谱的绝对强度变化的分布。
图5表示根据本发明获得的样品光谱和去除背景的光谱。
图6表示根据本发明获得的样品光谱和去除背景的光谱。
图7表示根据常规方法的手动背景去除。
图8表示根据本发明的系统的实施例的示意图。
具体实施方式
以下的讨论说明目前由发明人最好地理解的申请人的发明的实施例。但应理解，在不背离本发明的精神的条件下，本发明的大量的修改是可能的，并且，本发明可以以其它的形式被具体化并以其它的方式被实践。并且，在不背离本发明的精神的条件下，实施例或说明的实施例的特征可被省略、选择性地或作为整体与其它特征或实施例组合、或用于代替特征或实施例或其多个部分。在此提供的附图和本发明的详细说明因此被认为是本发明的多个方面的示例性解释，且不应被解释为限制本发明的范围。本发明的范围由下面阐述的权利要求限定。
这里说明的方法、系统和介质基于光谱数据的强度分布和信号处理的统计说明。处理包括归一化、平滑化和过滤，以区分背景数据和噪声信号，并由此提取真实的样品光谱信号。
应当理解，光谱数据可以来自生物学、矿物、化学和材料样品中的许多类型。普通的应用包括：各种有机化学样品，包括但不限于石油产品、植物区系或动物区系试样、细胞产物和序列；无机样品，包括天然存在或人工制造的矿物，以及上述应用的衍生物和组合。这里说明的自动背景去除对于在背景上呈现出尖锐的峰的任何光谱数据具有应用，这些光谱数据诸如Raman、FT-IR、原子荧光光谱、NMR、MS。它也可应用于色谱数据(广义上讲也是光谱数据)，在该色谱数据中，某一量(诸如强度、吸收率、丰度、灵敏度(response))随时间变化，并且数据本身以背景上的峰出现。并且，使用的光谱数据不必包括从样品获得或可从样品获得的全部光谱。本发明还在诸如数字成像的光谱学以外的领域中具有适用性。
光谱由一系列(x，y)数据点值构成。例如，图3表示样品光谱数据。通常情况下，x点值间隔均匀，类似于与CCD(电荷耦合器件)检测器的像素值对应的点值，这些点值从CCD检测器的第一像素到最大像素数移动。作为替代方案，可以使用CCD以外的检测器以从样品收集光谱数据。并且，可以从数据存储器输入以前获得的光谱数据。y数据点值代表x像素值的强度。应当理解，只要数据采取背景上的峰的形式，输入数据的(x，y)值就不必为“强度”或“像素数”。
在使用CCD检测器的光谱应用中，CCD芯片表面的一维空间通常被装入一个或多个带中，以产生CCD读数(强度值)与像素数之间的一条或多条关系曲线。x值也可间隔不均匀，诸如与CCD检测器的像素数对应的波长(例如，单位为纳米)或波数(例如，单位为cm-I)。为了方便，在大部分说明中对于x值使用间隔均匀的像素数。在这种情况下，光谱是随像素数变化的一系列强度值(任意单位)。
光谱由在升高的不均匀的背景水平之上的峰构成。背景可由于样品的容器(在所说明的情况下为塑料盒)、光散射和可能存在的弱的荧光等产生。
图1是自动背景去除方法的框图。随后是本发明的实施例的详细的示例性例子，参照图1、3和4，这些示例性例子被分解成几个主要操作或步骤。应当理解，这些操作不必全部被执行，也不必全部以以下的次序被执行。在图3中示出强度由y轴表示的获得的光谱数据的例子。
在图1的S1中，计算相邻输入点之间的强度值的变化的绝对值(即，光谱的第一导数的绝对值AVFD)：
[yi+1-yi-]
其中，I＝0，1，2，……，N-1，
N为数据点的最大数。
从这些N-1个AVFD值，在S2中，得到光谱的AVFD的大小的频率分布。图4表示图3的示例性光谱的频率分布。
分析光谱的强度变化的绝对值的分布。截止值或阈值根据经验被设定为切割与目标范围对应的分布的尾部区域。作为替代方案，  可以对各种类型的已知光谱使用预定的阈值。例如，对于图4的分布，可以使用最大计数的约15％的截止值。低于该截止值的AVFD值被作为信号分布对待。剩余分布(噪声分布)的中值被视为噪声水平(nsLvl)。
在这一点上，从剩余分布建立目标样品光谱的强度水平变化的范围，并且可以设置诸如算术平均值的平均值、中值或众数。光谱的背景噪声水平由此被设为落在该范围内的强度值变化。
在S3中，根据确定的光谱噪声水平分析整个光谱。噪声区域可被确定如下：由预定数量的强度的绝对值变化均处于噪声水平内的像素构成的任何区域。例如，对于一些光谱测定应用，这种预定数量可以为5个连续的像素。可以为这些噪声区域搜索整个光谱。
然后可通过直线段连接相邻噪声区域。噪声区域和线段构成光谱的背景。
在图1的S4中，从原始光谱减去光谱的背景，以获得去除背景的光谱。去除背景的光谱构成峰区域和零强度区域，并与目标样品的真实光谱对应。
在S5中，为了在显示去除背景的光谱时实现更有用的光谱外观，如图5所示，任选地将如上确定的噪声水平内的噪声重新添加到去除背景的光谱的零强度区域。并且，如图6所示，这种去除背景的光谱同时显示原始光谱。
图2更详细地表示图1的操作，以及一些任选的附加操作。
根据本发明的优选实施例，在上面结合图1讨论的操作之前，可以将光谱归一化，以有利于用于约束背景的一些参数。这样，被噪声区域分开的两个连续的线段不会形成太尖锐(锐利)的角度，诸如小于90度的角度。这是为了在整个光谱上保证相对平滑的背景。这在该过程被应用于具有不同的信号强度的各种光谱时是必要的。
根据本发明的优选实施例，当连接两个相邻噪声区域NI和N2的线段穿过峰区域、使得一个或更多个峰区域点的强度值低于相应的线段点的强度值时，那么与线段上的相应数据点具有最大负差的峰区域点被设为背景点(BP)，然后形成两个线段，使得第一线段连接噪声区域N1和背景点BP，第二线段连接噪声区域N2和背景点BP。
可以以各种方式执行该归一化过程。根据本发明的实施例，例如，通过找到原始光谱的最大峰强度、并将光谱中的各个数据点的强度值除以该最大峰强度，实现归一化。因此，每个归一化的光谱都具有最大强度1.0。归一化的光谱可通过诸如1000的常数因子按比例增大，以有利于数值操作。
并且，根据本发明的实施例，实施任选的平滑化步骤，以使要被去除的噪声峰的数量最小化，并由此使真实峰的可识别性最大化。平滑化过程会需要原始光谱中的各个数据点的强度值由作为包含数据点本身的n个邻近的数据点的平均强度的强度值代替。即，可以使用邻近平均平滑化或移动窗口平均。例如，n可以为3∶5等等。也可以应用其它的平滑化方法，诸如Savitzsky-Golay平滑化、快速傅立叶变换等。这种归一化和/或平滑化的光谱有时被称为处理的光谱。
根据优选实施例，当由此对于光谱首先使用平滑化时，使用上述背景去除过程以找到平滑化光谱的背景，但是，一旦平滑化光谱的背景被识别，就从原始的样品光谱(而不是从平滑化或处理的光谱)减去平滑化光谱的背景。
如图2更详细地示出的那样，根据本发明的一个方面，在计算相邻数据点之间的强度变化的绝对值(图2的S2)以及在图2的S3中对于图3中所示的光谱产生频率分布(图4所示)之后，在图2的S4中选择截止值或阈值，以将由于样品的光谱的峰信号导致的较大的强度变化与由于背景信号导致的较小的强度变化分开。
可以根据经验建立该截止值。对于示出的例子，该截止值可有利地被设定为最大计数的约15％(例如，对图4，该截止值为约23)。在图2的S5中，剩余分布(噪声分布)的中值被视为样品光谱的噪声光谱范围的中值(例如，2.75)。应当理解，可以代替噪声光谱范围的中值，使用诸如平均值或众数或极差(range)的其它统计值。然后可使用该中值或平均值或极差等，以确定峰如下：将相邻数据点之间的变化比中值(或其它统计值)高的强度值解释为峰的一部分。
在图2的S6中，然后提取根据噪声光谱的范围的噪声水平。可以确定噪声区域如下：由预定数量(m个)的强度变化的绝对值均处于噪声水平内的像素点构成的任何区域被视为噪声区域。例如，对于一些光谱测量应用，这种预定数量可以为5个连续的像素点。对于这种噪声区域搜索整个光谱，并且不满足该准则的区域被视为光谱峰区域的一部分。例如，对于从数据点开始的任何区域，其中，
i＝0，1，2，……N-m
N是数据点的最大数量(例如，像素点的最大数量)，m是满足准则的数据点的预设的连续数量，我们需要有(nsLv1是噪声水平)：
[yi+1-yi]＜nsLv1
[yi+2-yi+1]＜nsLv1
[yi+m-yi+m-1]＜nsLv1
可以用直线连接相邻的噪声区域。例如，对于图3中所示的样品光谱，噪声区域和线段的顺序连接由此构成图5中所示的光谱的背景(下面的线)。
然后减去光谱的背景。为了获得去除背景的光谱，从原始样品光谱在相应的像素数上减去样品光谱的背景。去除背景的光谱构成峰区域和零强度区域。当背景强度值与样品光谱强度值相同时，出现零强度区域。
根据优选实施例，尖峰(spike)可如下所述被滤除。在许多光谱应用中，最少需用5个数据点来形成一个峰：2个像素在峰底，1个在峰最高点，2个在其间。因此，少于5个数据点的峰可被视为噪声尖峰。
并且，可以任选地执行具有较大的幅值的噪声的滤除。这种大幅值噪声最初被视为峰信号。根据优选实施例，在5个连续数据点内具有多于1个峰的任何峰区域都被视为噪声信号。根据限定形成峰所需要的数据点的最少数量的优选方式，在不同的应用中数量5可以不同。也可以使用诸如通过FFT滤波器以滤除噪声信号的其它滤除方式。
根据本发明的另一实施例，执行任选的尖峰滤除操作，使得第二个或倒数第二个像素点与峰的最高强度点对应的峰被视为尖峰，并从光谱数据中滤除该峰。
为了对于输出到用户的报告或图形实现更有用的外观，可以将噪声重新添加到去除背景的光谱。特别是，光谱的噪声水平可被重新添加到减去背景的光谱的零强度区域上，以给出用户更可能期待或容易识别的光谱外观。注意，没有附加的噪声被添加到光谱的峰区域上。图6表示画在与原始光谱(实线)相同的图上的、最终的去除背景的光谱(虚线)。
图8中所示的是体现根据本发明的系统的背景去除系统。模块8-1中所示的是被设计为接收输入数据的输入数据接收器，该输入数据包含诸如CCD光谱仪的像素点的输入点和与输入点对应的强度值。箭头表示对于系统的输入和输出。
分布由噪声水平设定器(8-2)确定。相邻输入点之间的强度值变化的绝对值由此被确定。并且，模块8-2还根据分布的阈值判断输入数据的噪声水平。阈值也由模块8-2设定。
噪声区域识别器8-3通过识别预定数量的强度变化在噪声水平内的连续输入点识别噪声区域。同样在模块8-3中，由此识别的相邻噪声区域可以被线连接。
模块8-4是基于识别的噪声区域从输入数据的光谱减去背景信号的背景去除器。目标样品信号就是由数据输出8-5输出的去除背景的数据。
在本发明中说明的自动背景去除过程在大多数情况下在质量上比得上由手动背景去除实现的质量。
图7中所示的是图3的光谱的手动选择的背景(采用正方形符号的下面的曲线)。通过使用竞争方案的分析仪器应用，点击用户选择的光谱上的点。用于光谱数据的自动背景去除节省用户时间，并在快速材料识别中扮演特别重要的角色，包括例如光谱库搜索和利用光谱测定的自动过程控制。
应当理解，可以以多种方式实现根据本发明的系统，这些方式包括但不限于：实现为在可由数据处理器读取的记录介质上体现的软件、硬件、固件或以上方式的任意组合、或能够实施上述操作的任何其它系统或介质。
以上讨论的本发明的优选实施例和方法应理解为仅出于解释性目的的说明，并且，应当理解，在不背离权利要求的精神和范围的条件下，其大量的变化、替换、省略和更新是可能的。

Claims (36)

1.一种背景去除方法，包括：
输入包含输入点和与输入点对应的强度值的输入数据；
确定输入点之间的强度值变化的分布并根据分布的阈值判断输入数据的噪声水平；
通过识别预定数量的强度值变化处于噪声水平内的连续输入点，识别输入数据的噪声区域；
基于识别的噪声区域从输入数据中减去背景；和
输出去除背景的数据作为目标样品信号。
2.根据权利要求1的方法，其中，输入数据是从光谱仪获得的光谱数据和色谱数据中的一种。
3.根据权利要求1的方法，其中，确定强度值变化的绝对值作为强度值变化，并且，其中基于低于阈值的强度值变化的绝对值判断噪声水平。
4.根据权利要求3的方法，其中，对于高于阈值的分布的值，确定强度值变化的绝对值的平均值、中值、众数、中数和极差中的一个。
5.根据权利要求1的方法，其中，识别尖峰噪声区域作为从少于第二预定数量的输入点获得的峰。
6.根据权利要求1的方法，其中，噪声区域和连接相邻噪声区域的线段被解释为背景。
7.根据权利要求1的方法，其中，在确定分布之前，通过归一化和平滑化中的至少一种处理输入数据。
8.根据权利要求7的方法，其中，对于平滑化的输入数据确定背景，并从未平滑化的输入数据中减去所述背景。
9.根据权利要求1的方法，其中，尖峰噪声区域被识别和滤除，使得从少于第二预定数量的连续输入点获得的峰被确定为尖峰。
10.根据权利要求1的方法，其中，尖峰噪声区域被识别为其中第二数据点和倒数第二数据点中的至少一个与该峰的最高强度点对应的峰。
11.根据权利要求1的方法，其中，尖峰噪声区域被识别为在预定数量的连续数据点内具有至少两个峰点的峰区域。
12.根据权利要求11的方法，其中，连续数据点的预定数量是五。
13.一种背景去除系统，包括：
被配置为接收包含输入点和与输入点对应的强度值的输入数据的输入数据接收器；
被配置为确定输入点之间的强度值变化的分布并根据分布的阈值判断输入数据的噪声水平的噪声水平设定器；
被配置为通过识别预定数量的强度值变化处于噪声水平内的连续输入点，识别输入数据的噪声区域的噪声区域识别器；
被配置为基于识别的噪声区域从输入数据中减去背景的背景去除器；和
被配置为输出去除背景的数据作为目标样品信号的数据输出装置。
14.根据权利要求13的系统，其中，输入数据是从光谱仪获得的光谱数据和色谱数据中的一种。
15.根据权利要求13的系统，其中，强度值变化的绝对值被确定为强度值变化，并且，其中基于低于阈值的强度值变化的绝对值判断噪声水平。
16.根据权利要求15的系统，其中，对于高于阈值的分布的值，确定强度值变化的绝对值的平均值、中值、众数、中数和极差中的一个。
17.根据权利要求13的系统，其中，尖峰噪声区域被识别为从少于第二预定数量的输入点获得的峰。
18.根据权利要求13的系统，其中，噪声区域和连接相邻噪声区域的线段被解释为背景。
19.根据权利要求13的系统，其中，在确定分布之前，通过归一化和平滑化中的至少一种处理输入数据。
20.根据权利要求19的系统，其中，对于平滑化的输入数据确定背景，并从未平滑化的输入数据中减去所述背景。
21.根据权利要求13的系统，其中，尖峰噪声区域被识别和滤除，使得从少于第二预定数量的连续输入点获得的峰被确定为尖峰。
22.根据权利要求13的系统，其中，尖峰噪声区域被识别为其中第二数据点和倒数第二数据点中的至少一个与该峰的最高强度点对应的峰，并且，所述尖峰噪声区域被滤除。
23.根据权利要求13的系统，其中，尖峰噪声区域被识别为在预定数量的连续数据点内具有至少两个峰点的峰区域。
24.根据权利要求23的系统，其中，连续数据点的预定数量是五。
25.一种处理器可读介质，体现指令的背景去除程序，包括：
用于接收包含输入点和与输入点对应的强度值的输入数据的输入数据接收器部件；
用于确定输入点之间的强度值变化的分布并根据分布的阈值判断输入数据的噪声水平的噪声水平设定器部件；
用于通过识别预定数量的强度值变化处于噪声水平内的连续输入点识别输入数据的噪声区域的噪声区域识别器部件；
用于基于识别的噪声区域从输入数据中减去背景的背景去除部件；和
用于输出去除背景的数据作为目标样品信号的数据输出部件。
26.根据权利要求25的介质，其中，输入数据是从光谱仪获得的光谱数据和色谱数据中的一种。
27.根据权利要求25的介质，其中，强度值变化的绝对值被确定为强度值变化，并且，其中基于低于阈值的强度值变化的绝对值判断噪声水平。
28.根据权利要求25的介质，其中，对于高于阈值的分布的值，确定强度值变化的绝对值的平均值、中值、众数、中数和极差中的一个。
29.根据权利要求25的介质，其中，尖峰噪声区域被识别为从少于第二预定数量的输入点获得的峰。
30.根据权利要求25的介质，其中，噪声区域和连接相邻噪声区域的线段被解释为背景。
31.根据权利要求25的介质，其中，在确定分布之前，通过归一化和平滑化中的至少一种处理输入数据。
32.根据权利要求31的介质，其中，对于平滑化的输入数据确定背景，并从未平滑化的输入数据中减去所述背景。
33.根据权利要求25的介质，其中，尖峰噪声区域被识别和滤除，使得从少于第二预定数量的连续输入点获得的峰被确定为尖峰。
34.根据权利要求25的介质，其中，尖峰噪声区域被识别为其中第二数据点和倒数第二数据点中的至少一个与该峰的最高强度点对应的峰。
35.根据权利要求25的介质，其中，尖峰噪声区域被识别为在预定数量的连续数据点内具有至少两个峰点的峰区域。
36.根据权利要求35的介质，其中，连续数据点的预定数量是五。
CNA2005800258493A 2004-06-23 2005-06-21 输入数据的自动背景去除 Pending CN101002460A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/874,420 US20050285023A1 (en) 2004-06-23 2004-06-23 Automatic background removal for input data
US10/874,420 2004-06-23

Publications (1)

Publication Number Publication Date
CN101002460A true CN101002460A (zh) 2007-07-18

Family

ID=35064822

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800258493A Pending CN101002460A (zh) 2004-06-23 2005-06-21 输入数据的自动背景去除

Country Status (9)

Country Link
US (2) US20050285023A1 (zh)
EP (1) EP1782621A1 (zh)
KR (1) KR20070055488A (zh)
CN (1) CN101002460A (zh)
AU (1) AU2005256920A1 (zh)
BR (1) BRPI0512609A (zh)
IL (1) IL180228A0 (zh)
MX (1) MX2007000064A (zh)
WO (1) WO2006000879A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102466662A (zh) * 2010-11-09 2012-05-23 中国石油天然气股份有限公司 气相色谱-质谱分析的数据处理方法
CN103328966A (zh) * 2011-01-21 2013-09-25 麦丝地科技有限公司 背景扣除介导的数据相关型采集
CN103901014A (zh) * 2014-03-10 2014-07-02 华南师范大学 多元线性回归拟合获得真实的细胞拉曼光谱的方法
CN104237258A (zh) * 2013-06-12 2014-12-24 德州仪器公司 用于气体吸收频谱检测的校准方案
CN104954704A (zh) * 2015-06-01 2015-09-30 北京华泰诺安科技有限公司 一种用于拉曼光谱仪ccd信号降噪方法
CN105334279A (zh) * 2014-08-14 2016-02-17 大连达硕信息技术有限公司 一种高分辨质谱数据的处理方法
CN105516545A (zh) * 2014-09-30 2016-04-20 财团法人成大研究发展基金会 自动对比强化系统
CN107250788A (zh) * 2015-02-16 2017-10-13 株式会社岛津制作所 噪声水平估计方法、测定数据处理装置以及测定数据处理用程序
CN103868998B (zh) * 2012-12-12 2018-11-02 苏州普源精电科技有限公司 一种色谱处理方法及色谱仪
CN110806456A (zh) * 2019-11-12 2020-02-18 浙江工业大学 一种UPLC-HRMS Profile模式非靶向代谢轮廓数据自动解析的方法
CN112113954A (zh) * 2020-09-16 2020-12-22 江苏天瑞仪器股份有限公司 一种用于光谱仪的线阵cmos数据处理方法

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050285023A1 (en) 2004-06-23 2005-12-29 Lambda Solutions, Inc. Automatic background removal for input data
WO2007050602A2 (en) * 2005-10-24 2007-05-03 Chemimage Corporation Automated acquisition of spectral data and image data
US7233870B1 (en) * 2006-01-13 2007-06-19 Thermo Electron Scientific Instruments Llc Spectrometric data cleansing
JP4826586B2 (ja) * 2006-02-23 2011-11-30 株式会社ニコン スペクトル画像処理方法、コンピュータ実行可能なスペクトル画像処理プログラム、スペクトルイメージングシステム
JP2009130505A (ja) * 2007-11-21 2009-06-11 Fujitsu Ltd 光伝送装置、光入力断検出閾値設定方法および光入力断検出閾値設定プログラム
NZ587161A (en) * 2008-01-25 2012-02-24 Biogen Idec Inc Automated system and and method for monitoring chromatography column performance by calculating performance parameters based on noise reduced process values
US8304719B2 (en) * 2009-02-22 2012-11-06 Xin Wang Precise and thorough background subtraction
DE102010050198B3 (de) * 2010-11-04 2012-01-19 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zur Bestimmung von chemischen Bestandteilen von festen oder flüssigen Substanzen mit Hilfe der THz-Spektroskopie
JP6144916B2 (ja) * 2012-01-30 2017-06-07 キヤノン株式会社 生体組織画像のノイズ低減処理方法及び装置
CN102998296B (zh) * 2012-11-28 2014-10-29 中国科学院重庆绿色智能技术研究院 一种去除背景噪声影响的拉曼光谱预处理方法
US9325334B2 (en) * 2013-06-12 2016-04-26 Texas Instruments Incorporated IC, process, device generating frequency reference from RF gas absorption
WO2015049799A1 (ja) * 2013-10-04 2015-04-09 株式会社島津製作所 波形データ処理装置及び波形データ処理用プログラム
US10101269B2 (en) 2014-07-30 2018-10-16 Smiths Detection Inc. Estimation of water interference for spectral correction
CN107209157B (zh) * 2015-01-26 2019-04-02 株式会社岛津制作所 噪声水平估计方法和测定数据处理装置
DE102015105239A1 (de) 2015-04-07 2016-10-13 Analytik Jena Ag Verfahren zur Korrektur von Untergrundsignalen in einem Spektrum
CN105466908B (zh) * 2015-12-31 2018-04-20 安徽芯核防务装备技术股份有限公司 一种样品瓶固定干扰噪声的拉曼光谱去除方法
CN106772646B (zh) * 2016-12-19 2018-11-06 吉林大学 一种地面核磁共振信号提取方法
JP6911543B2 (ja) * 2017-06-01 2021-07-28 東ソー株式会社 ベースラインの判定方法
JP6887935B2 (ja) * 2017-11-09 2021-06-16 日本電子株式会社 データ処理装置及びデータ処理方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59151939A (ja) * 1983-02-08 1984-08-30 株式会社東芝 Ｘ線診断装置
US4802102A (en) * 1987-07-15 1989-01-31 Hewlett-Packard Company Baseline correction for chromatography
US6009208A (en) * 1995-08-21 1999-12-28 Lucent Technologies Inc. System and method for processing space-time images
US5903660A (en) * 1997-07-16 1999-05-11 The Regents Of The University Of California Automatic background recognition and removal (ABRR) in projection digital radiographic images (PDRI)
US6787761B2 (en) * 2000-11-27 2004-09-07 Surromed, Inc. Median filter for liquid chromatography-mass spectrometry data
US7245786B2 (en) * 2002-05-10 2007-07-17 976076 Alberta Inc. Filtering artifact from fMRI data using the stockwell transform
US20050285023A1 (en) 2004-06-23 2005-12-29 Lambda Solutions, Inc. Automatic background removal for input data

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102466662A (zh) * 2010-11-09 2012-05-23 中国石油天然气股份有限公司 气相色谱-质谱分析的数据处理方法
CN102466662B (zh) * 2010-11-09 2014-07-02 中国石油天然气股份有限公司 气相色谱-质谱分析的数据处理方法
CN103328966A (zh) * 2011-01-21 2013-09-25 麦丝地科技有限公司 背景扣除介导的数据相关型采集
US10984996B2 (en) 2011-01-21 2021-04-20 Massdefect Technologies, Llc Background subtraction-mediated data-dependent acquistion
CN103328966B (zh) * 2011-01-21 2016-03-16 麦丝地科技有限公司 背景扣除介导的数据相关型采集
CN103868998B (zh) * 2012-12-12 2018-11-02 苏州普源精电科技有限公司 一种色谱处理方法及色谱仪
CN104237258A (zh) * 2013-06-12 2014-12-24 德州仪器公司 用于气体吸收频谱检测的校准方案
CN104237258B (zh) * 2013-06-12 2019-10-11 德州仪器公司 用于气体吸收频谱检测的校准方案
CN103901014A (zh) * 2014-03-10 2014-07-02 华南师范大学 多元线性回归拟合获得真实的细胞拉曼光谱的方法
CN103901014B (zh) * 2014-03-10 2016-04-20 华南师范大学 多元线性回归拟合获得真实的细胞拉曼光谱的方法
CN105334279B (zh) * 2014-08-14 2017-08-04 大连达硕信息技术有限公司 一种高分辨质谱数据的处理方法
CN105334279A (zh) * 2014-08-14 2016-02-17 大连达硕信息技术有限公司 一种高分辨质谱数据的处理方法
CN105516545A (zh) * 2014-09-30 2016-04-20 财团法人成大研究发展基金会 自动对比强化系统
CN107250788A (zh) * 2015-02-16 2017-10-13 株式会社岛津制作所 噪声水平估计方法、测定数据处理装置以及测定数据处理用程序
CN107250788B (zh) * 2015-02-16 2019-06-07 株式会社岛津制作所 噪声水平估计方法和测定数据处理装置
CN104954704B (zh) * 2015-06-01 2018-08-31 北京华泰诺安探测技术有限公司 一种用于拉曼光谱仪ccd信号降噪方法
CN104954704A (zh) * 2015-06-01 2015-09-30 北京华泰诺安科技有限公司 一种用于拉曼光谱仪ccd信号降噪方法
CN110806456A (zh) * 2019-11-12 2020-02-18 浙江工业大学 一种UPLC-HRMS Profile模式非靶向代谢轮廓数据自动解析的方法
CN110806456B (zh) * 2019-11-12 2022-03-15 浙江工业大学 一种UPLC-HRMS Profile模式非靶向代谢轮廓数据自动解析的方法
CN112113954A (zh) * 2020-09-16 2020-12-22 江苏天瑞仪器股份有限公司 一种用于光谱仪的线阵cmos数据处理方法
WO2022057174A1 (zh) * 2020-09-16 2022-03-24 江苏天瑞仪器股份有限公司 一种用于光谱仪的线阵cmos数据处理方法

Also Published As

Publication number Publication date
EP1782621A1 (en) 2007-05-09
US20060255249A1 (en) 2006-11-16
US20050285023A1 (en) 2005-12-29
IL180228A0 (en) 2007-07-04
BRPI0512609A (pt) 2008-03-25
US7329852B2 (en) 2008-02-12
AU2005256920A1 (en) 2006-01-05
WO2006000879A1 (en) 2006-01-05
KR20070055488A (ko) 2007-05-30
MX2007000064A (es) 2007-04-10

Similar Documents

Publication Publication Date Title
CN101002460A (zh) 输入数据的自动背景去除
Karimi et al. Detection and quantification of food colorant adulteration in saffron sample using chemometric analysis of FT-IR spectra
US9784621B2 (en) Spectroscopic apparatus and methods
JP6091493B2 (ja) 試料に存在する成分を決定するための分光装置と分光法
WO2014064447A1 (en) Spectroscopic apparatus and methods
CN104990894B (zh) 一种基于加权吸光度及相似样本的汽油性质检测方法
CN110879219B (zh) 基于三维荧光光谱的水中矿物油检测方法
CN107179310B (zh) 基于鲁棒噪声方差估计的拉曼光谱特征峰识别方法
Sim et al. An automated approach for analysis of Fourier Transform Infrared (FTIR) spectra of edible oils
JP5964983B2 (ja) 質量分析法により微生物を特定するための方法
CN110243806A (zh) 拉曼光谱下基于相似度的混合物组分识别方法
CN105717066B (zh) 一种基于加权相关系数的近红外光谱识别模型
CN1423749A (zh) 分析选定的多组分样品的方法
CN105180850A (zh) 计算玉米叶部大斑病病斑面积比例的方法及装置
EP2705338A2 (en) Estimation of background radiation in spectral datea by polynomial fitting
Adutwum et al. Estimation of start and stop numbers for cluster resolution feature selection algorithm: an empirical approach using null distribution analysis of Fisher ratios
EP2520914A1 (en) Estimation of background radiation in spectral data by polynomial fitting
CN113484275B (zh) 基于中红外光谱采用分峰分析技术快速预测新鲜烟叶中油分含量的方法
Alasta et al. Automatic sunspots detection on SODISM solar images
Boteju et al. A quantitative approach to gemstone identification using Raman spectroscopy combined with machine learning
CN113793652A (zh) 一种基于分段智能优选的谱图化学计量学解析方法
US8428881B2 (en) System and methods for non-targeted processing of chromatographic data
CN113030010A (zh) 一种基于逐步缩短步长优中选优的近红外光谱特征波数的筛选方法
Cannataro et al. On the preprocessing of mass spectrometry proteomics data
Massart et al. What can chemometrics do for separation science?

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication