主题:【分享】常规近红外光谱成像分析中光谱特征提取方法有哪些?

浏览0 回复1 电梯直达
Ins_29253308
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
在样本近红外光谱图像中定义合适的感兴趣区域进行光谱信息提取,计算各波段感兴趣区域内的平均灰度值作为各波段对应的光谱信息进行特征提取。由于存在许多高频随机噪声、基线漂移、样本形态不同和光散射等噪声信息,会干扰到近红外光谱与样本内有效成分之间的关系,因此可以采用光谱化学计量学中常规的标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数、二阶导数和小波去噪等方法对光谱进行预处理。

由于光谱图像中提取的光谱数据噪声很难预处理中全部消除,且有些光谱信息与待测的目标成分和性质之间缺乏相关关系,若将全部光谱信息参与建模分析会导致计算量大,模型复杂且精度也不一定高,因此可以通过特征波长或是特征谱区的筛选挖掘光谱中的有用信息来建立预测能力强,稳健性好的模型。常见的基于波长的光谱特征提取方法有:连续投影算法(SPA)、无信息变量消除法(UVE)、自适应重加权采样法(CARS)、相关系数法等;基于波长区间的光谱特征提取方法有区间偏最小二乘法(iPLS)、联合区间偏最小二乘法(siPLS)、向后偏最小二乘法biPLS、移动窗口偏最小二乘法mwPLS等。
为您推荐
您可能想找: 近红外光谱(NIR) 询底价
专属顾问快速对接
立即提交
可能感兴趣
Insm_225995ca
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
不同和光散射等噪声信息,会干扰到近红外光谱与样本内有效成分之间的关系,因此可以采用光谱化学计量学中常规的标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数、二阶导数和小波去噪
品牌合作伙伴