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 PDF

Info

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
Application number
CN201510486300.XA
Other languages
English (en)
Other versions
CN105184223B (zh
Inventor
王昕�
刘国坤
范贤光
许英杰
何浩
王秀芬
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.)
Xiamen University
Original Assignee
Xiamen University
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 Xiamen University filed Critical Xiamen University
Priority to CN201510486300.XA priority Critical patent/CN105184223B/zh
Publication of CN105184223A publication Critical patent/CN105184223A/zh
Application granted granted Critical
Publication of CN105184223B publication Critical patent/CN105184223B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction
    • G06F2218/10Feature 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

一种拉曼成像信号提取与后处理方法
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:
R i , j ( τ ) = 1 N Σ i = 0 N - 1 y i , j ( x ) y ‾ ( x - τ ) - - - ( 1 )
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:
R i , j ( τ ) = E [ y i , j ( x ) y ‾ ( x - τ ) = E [ ( s i , j ( x ) + n i , j ( x ) ) ( s ‾ ( x - τ ) + n ‾ ( x - τ ) ) ] = E [ s i , j ( x ) s ‾ ( x - τ ) ] + E [ s i , j ( x ) n ‾ ( x - τ ) ] + E [ n i , j ( x ) s ‾ ( x - τ ) ] + E [ n i , j ( x ) n ‾ ( x - τ ) ] = R s i , j s ‾ + R s i , j n ‾ + R n i , j s ‾ + R n i , j n ‾ = R s i , j s ‾ - - - ( 2 )
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:
b i , j = Σ ( u , v ) ∈ Ω - ( i , j ) r [ a i , j - a u , v ] d [ ( i , j ) , ( u , v ) ] - - - ( 4 )
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。
CN201510486300.XA 2015-08-10 2015-08-10 一种拉曼成像信号提取与后处理方法 Expired - Fee Related CN105184223B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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