CN105184223A - 一种拉曼成像信号提取与后处理方法 - Google Patents
一种拉曼成像信号提取与后处理方法 Download PDFInfo
- Publication number
- CN105184223A CN105184223A CN201510486300.XA CN201510486300A CN105184223A CN 105184223 A CN105184223 A CN 105184223A CN 201510486300 A CN201510486300 A CN 201510486300A CN 105184223 A CN105184223 A CN 105184223A
- Authority
- CN
- China
- Prior art keywords
- raman
- spectrum
- spectrogram
- spectrum peak
- imaging
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
一种拉曼成像信号提取与后处理方法,包括如下步骤:1)从拉曼成像仪器中获得拉曼光谱信号;2)对所有的光谱谱图求平均谱图,并选择待观察物质的特征谱峰范围,从平均谱图中截取特定区域;3)根据步骤2)选出的特定区域,从所有拉曼光谱yi,j中截取待观察物质的特征谱峰范围;4)将每个拉曼光谱截取的谱峰数据(步骤3)所得)依次与平均谱图截取的谱峰数据(步骤2)所得)做相关运算,并取相关函数Ri,j(τ)的最大值ai,j;5)对所有的ai,j进行后处理,获得{bi,j};6)将{bi,j}归一化到0-255之间,并平均分为若干份,每一份采用不同的颜色表征,根据{bi,j}的坐标画出拉曼成像色彩图。本发明所提出的方法,仅涉及简单的加乘运算,计算速度较快,适合用于快速拉曼成像信号处理上。
Description
技术领域
本发明涉及拉曼信号处理领域,特别是一种拉曼成像信号提取与后处理方法。
背景技术
作为一种分子振动光谱技术,拉曼光谱的指纹图谱特点使得其成为鉴别物质的一种重要工具。近年来,因无需标记、非侵入等优点,拉曼成像在生物和医学诊断领域受到广泛关注。借助于拉曼光谱仪器的改进(如多点同时扫描的线聚焦模式等),拉曼成像质量和成像速度都有了质的改善和提高,能够在数分钟内实现成像分析而用于活体成像。
通常,获得高质量拉曼成像图的前提是提供低噪声水平的拉曼谱图。对于大部分样品,延长采谱时间,可有效降低仪器的随机背景噪声的同时有效保留样品的拉曼信号。然而,采谱时间的延长,会降低拉曼成像的实时性,使得对被测目标的在线跟踪变得十分困难。即便对于一些能够在短时间里获得低噪声水平的拉曼谱图,由于需要先对单个谱图数据进行去噪、背景扣除和谱峰选取及强度测量等步骤,因此,通常情况下,拉曼成像结果的获得需要一定的处理时间,很难进行实时在线跟踪的拉曼成像分析,进而无法对感兴趣区域进行准确定位以深入研究。
目前,在拉曼成像信号处理中普遍采用的算法有Savitzky-Golay(SG)、有限长单位冲击响应滤波、小波转换、因子分析和维纳滤波等。这些算法各有优缺点和适用范围,但一个共同的不足在于,这些方法均需要较多的计算量和计算时间,难以实现拉曼成像的实时在线分析。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷,提出一种拉曼成像信号的提取与后处理方法,能够在有效抑制噪声并成像的同时,保证计算的速度。
本发明采用如下技术方案:
一种拉曼成像信号提取与后处理方法,其特征在于,包括如下步骤:
1)从拉曼成像仪器中获得拉曼光谱信号,其包含m×n个光谱谱图{yi,j},1≤i≤m,1≤j≤n组成,i为行数,j为列数,m为成像的行数,n为成像的列数,yi,j为向量;
2)对所有的光谱谱图求平均谱图并选择待观察物质的特征谱峰范围,从平均谱图中截取特定区域;
3)根据步骤2)选出的特定区域,从所有拉曼光谱yi,j中截取带观察物质的特征谱峰范围;
4)将每个拉曼光谱截取的谱峰数据(步骤3)所得)依次与平均谱图截取的谱峰数据(步骤2)所得)做相关运算,并取相关函数Ri,j(τ)的最大值ai,j;
5)对所有的ai,j进行后处理,获得{bi,j};
6)将{bi,j}归一化到0-255之间,并平均分为若干份,每一份采用不同的颜色表征,根据{bi,j}的坐标画出拉曼成像色彩图。
优选的,在步骤5)中,所述的后处理为采用公式:式中,u,v分别代表行数和列数;i,j分别代表行数和列数;d[g]为两点的欧式距离;r[g]为两点之间的相对强度,Ω-(i,j)表示除(i,j)外所有的成像点的集合。
优选的,在步骤4)中,所述的相关运算为其中,N表示yi,j(x)和的维数,τ表示延时序号,x为拉曼位移。
由上述对本发明的描述可知,与现有技术相比,本发明具有如下有益效果:
本发明可用于处理经由拉曼成像仪器获取的拉曼成像信号,可以从中提取有用信息,并进行后处理以提高成像清晰度,其采用相关法作为有用信息的提取方法,具有一定的噪声抑制作用。此外,以欧式距离为依据,考虑成像点之间的相互关系,进行进一步的后处理,能提高成像清晰度。本方法与拉曼成像的硬件相配合,可以实现快速拉曼成像,具有较强的噪声抑制和清晰成像能力,对于采用拉曼成像技术观察快速变化过程具有重大的意义。
附图说明
图1为对某物质进行拉曼成像时,某一个点的拉曼谱图。
图2为对某物质进行拉曼成像时,所有点拉曼谱图的平均谱图。
图3为Saturation函数图形。
图4为某物质的拉曼成像图。
图5为本发明方法的流程图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
参照图5,一种拉曼成像信号提取与后处理方法,不需要进行消噪和基线校正,直接获取实现拉曼成像的方法,包括如下步骤:
1)从拉曼成像仪器中获得拉曼光谱谱图{yi,j},1≤i≤m,1≤j≤n,i为行数,j为列数,m为成像的行数,n为成像的列数,yi,j为向量,光谱谱图由被测物决定,参照图1的某种物质的拉曼光谱谱图。
2)对所有的拉曼光谱求平均谱图并选取待观察物质的特征谱峰范围,从平均谱图中截取,如图2放大图内的矩形框所示。显然,平均谱图的噪声水平低于任意一个光谱yi,j。
3)根据步骤2选出的区域,从所有拉曼光谱yi,j中截取待观察物质的特征谱峰范围,如图1放大图内的矩形框所示。
4)将每个拉曼光谱截取的谱峰数据(步骤3)所得)依次与平均谱图截取的谱峰数据(步骤2)所得)做相关运算,并取相关函数Ri,j(τ)的最大值ai,j。相关函数基于信号和噪声的统计特性,是两个时域信号相似性的一种度量,被广泛应用于检测数据处理和微弱信号检测等领域。对于幅值在一定范围内的两个拉曼信号,其相似度越高,则它们的相关函数的最大值越大。对于在{yi,j}中带有噪声的拉曼信号yi,j(x)和平均谱图相关运算是一个累加平均的过程,如式(1)所示:
式中,N表示yi,j(x)和的维数,τ表示延时序号,x为拉曼位移,Ri,j(τ)为yi,j(x)和的相关函数。
将yi,j(x)和表示为纯拉曼信号和噪声的形式,即yi,j(x)=si,j(x)+ni,j(x)和这里,si,j(x)和为不带噪声的拉曼信号,ni,j(x)和为零均值白噪声。若用符号E[g]表示相关运算,由于相关运算是线性运算,因此式(1)可以写为:
这里,分别为si,j(x)和si,j(x)和ni,j(x)和ni,j(x)和的相关函数。显然,随机噪声ni,j(x)和互不相关,且ni,j(x)和分别与si,j(x)和也互不相关,从而式(2)中的均等于零。因此,相关运算可以有效的削弱噪声的影响。取相关函数Ri,j(τ)的最大值作为物质的浓度信息,即:
ai,j=max(Ri,j(τ))(3)
式(3)中,max[g]表示取最大值。
5)获得{ai,j}后,可直接以不同颜色表征ai,j的大小,获得拉曼成像图。如果该成像图的清晰度仍不满足要求,可对{ai,j}利用式(4)进行后处理,以进一步提高成像的清晰度,后处理的公式如下:
式中,u,v和i,j一样,分别代表行数和列数;d[g]为两点的欧式距离;r[g]为两点之间的相对强度,以ai,j-au,v为输入,其函数图形为Saturation函数,如图3所示,其斜线的倾角可根据实际情况调整,一般为60-90度;Ω-(i,j)表示除(i,j)外所有的成像点的集合经过后处理,获得了{bi,j},1≤i≤m,1≤j≤n。
6)将{bi,j}归一化到0-255之间(最小值为0,最大值为255),并平均分为若干份或区间(平分的分数越多,则图像越细致),每一份或每一区间采用不同的颜色表征(比如等分为五个区间,则每个区间内的点分别用红、橙、黄、绿、蓝色表示),最后按照{bi,j}的坐标,即坐标(i,j)的位置画出拉曼成像彩色图,如图4所示。
本发明所提出的方法,仅涉及简单的加乘运算,计算速度较快,适合用于快速拉曼成像信号处理上。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (3)
1.一种拉曼成像信号提取与后处理方法,其特征在于,包括如下步骤:
1)从拉曼成像仪器中获得拉曼光谱信号,其包含m×n个光谱谱图{yi,j},1≤i≤m,1≤j≤n组成,i为行数,j为列数,m为成像的行数,n为成像的列数,yi,j为向量;
2)对所有的光谱谱图求平均谱图y,并选择待观察物质的特征谱峰范围,从平均谱图中截取特定区域;
3)根据步骤2)选出的特定区域,从所有拉曼光谱yi,j中截取待观察物质的特征谱峰范围;
4)将每个拉曼光谱截取的谱峰数据(步骤3)所得)依次与平均谱图截取的谱峰数据(步骤2)所得)做相关运算,并取相关函数Ri,j(τ)的最大值ai,j;
5)对所有的ai,j进行后处理,获得{bi,j};
6)将{bi,j}归一化到0-255之间,并平均分为若干份,每一份采用不同的颜色表征,根据{bi,j}的坐标画出拉曼成像色彩图。
2.如权利要求1所述的一种拉曼成像信号提取与后处理方法,其特征在于,在步骤5)中,所述的后处理为采用公式:式中,u,v分别代表行数和列数;i,j分别代表行数和列数;d[g]为两点的欧式距离,;r[g]为两点之间的相对强度,Ω-(i,j)表示除(i,j)外所有的成像点的集合。
3.如权利要求1所述的一种拉曼成像信号提取与后处理方法,其特征在于:在步骤4)中,所述的相关运算为其中,N表示yi,j(x)和的维数,τ表示延时序号,x为拉曼位移。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510486300.XA CN105184223B (zh) | 2015-08-10 | 2015-08-10 | 一种拉曼成像信号提取与后处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510486300.XA CN105184223B (zh) | 2015-08-10 | 2015-08-10 | 一种拉曼成像信号提取与后处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105184223A true CN105184223A (zh) | 2015-12-23 |
CN105184223B CN105184223B (zh) | 2018-08-24 |
Family
ID=54906292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510486300.XA Expired - Fee Related CN105184223B (zh) | 2015-08-10 | 2015-08-10 | 一种拉曼成像信号提取与后处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105184223B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111089856A (zh) * | 2019-12-26 | 2020-05-01 | 厦门大学 | 一种拉曼光谱弱信号提取的后处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008009785A (ja) * | 2006-06-30 | 2008-01-17 | Fuji Xerox Co Ltd | 画像処理システムおよび画像処理プログラム |
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 |
CN104198463A (zh) * | 2014-09-22 | 2014-12-10 | 中国科学院重庆绿色智能技术研究院 | 拉曼光谱预处理方法及系统 |
-
2015
- 2015-08-10 CN CN201510486300.XA patent/CN105184223B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008009785A (ja) * | 2006-06-30 | 2008-01-17 | Fuji Xerox Co Ltd | 画像処理システムおよび画像処理プログラム |
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 |
CN104198463A (zh) * | 2014-09-22 | 2014-12-10 | 中国科学院重庆绿色智能技术研究院 | 拉曼光谱预处理方法及系统 |
Non-Patent Citations (2)
Title |
---|
孟令晶等: "单个肝癌细胞的拉曼成像研究", 《激光与光电子学进展》 * |
王昕等: "基于B样条的拉曼光谱基线校正方法", 《光谱学与光谱分析》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111089856A (zh) * | 2019-12-26 | 2020-05-01 | 厦门大学 | 一种拉曼光谱弱信号提取的后处理方法 |
CN111089856B (zh) * | 2019-12-26 | 2021-05-14 | 厦门大学 | 一种拉曼光谱弱信号提取的后处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105184223B (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barkat et al. | A high-resolution quadratic time-frequency distribution for multicomponent signals analysis | |
Huynh-The et al. | Accurate LPI radar waveform recognition with CWD-TFA for deep convolutional network | |
CN102842120B (zh) | 基于超复数小波相位测量的图像模糊程度检测方法 | |
CN106443203A (zh) | 一种脉冲信号检测系统及方法 | |
JP2008310117A5 (zh) | ||
CN108444954B (zh) | 光谱信号峰值检测方法、装置以及系统 | |
CN108257125A (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN108387887A (zh) | 一种水声信号的混合降噪方法 | |
CN103948402A (zh) | 肿瘤超声成像特征提取方法和系统 | |
CN112347992B (zh) | 一种荒漠地区时序agb遥感估算方法 | |
CN105550694A (zh) | 一种度量人脸图像模糊程度的方法 | |
DE112015006378T5 (de) | Bildverarbeitungsvorrichtung, Bildverarbeitungsverfahren und Bildverarbeitungsprogramm | |
CN116127288B (zh) | 基于独立成分分析的纳米孔传感信号噪声去除方法及装置 | |
Bung et al. | Image processing for bubble image velocimetry in self-aerated flows | |
CN106597327A (zh) | 用于确定磁性粒子的空间分配或空间分布的方法 | |
CN102289790B (zh) | 一种超声心动图粒子图像测速速度场修正方法 | |
CN102081799A (zh) | 基于邻域相似性及双窗口滤波的sar图像变化检测方法 | |
CN105807204B (zh) | 基于频谱细化的硬件木马检测方法 | |
CN106093896A (zh) | 一种快速检测和估计脉冲多普勒雷达脉冲抖动的方法 | |
CN103854011A (zh) | 一种虹膜图像的质量评价方法 | |
CN105184223A (zh) | 一种拉曼成像信号提取与后处理方法 | |
CN102841341B (zh) | 一种脉冲雷达动目标检测方法 | |
CN104809711B (zh) | 固体推进剂羽流烟雾视频图像处理方法 | |
CN107451608B (zh) | 基于多视幅度统计特性的sar图像无参考质量评价方法 | |
CN104076003A (zh) | 一种矿物光谱吸收特征参数的提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180824 Termination date: 20190810 |
|
CF01 | Termination of patent right due to non-payment of annual fee |