(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111651465.X (22)申请日 2021.12.3 0 (71)申请人 西北大学 地址 710127 陕西省西安市长安区郭杜教 育科技产业区学府大道1号 (72)发明人 王爽　陈一申　李洁　王海峰　 (74)专利代理 机构 北京盛询知识产权代理有限 公司 11901 代理人 方亚兵 (51)Int.Cl. G01N 21/65(2006.01) G06K 9/62(2022.01) (54)发明名称 一种改进的拉曼光谱多元数据分析及成像 方法 (57)摘要 本发明公开一种拉曼光谱多元数据分析成 像方法， 包括： S1获取拉曼光谱原始数据后， 对原 始数据进行预处理； S2对预处理后的数据根据不 同分析需求或光谱噪声来源， 对光谱 数据独立或 依次进行归一化、 均值中心化和一、 二阶导数处 理； S3对预处理后的数据， 结合分类模型对光谱 特征信息进行分类鉴别； S4、 利用多种光谱扫描 手段获得拉曼光谱数据集后， 基于拉曼数据集含 有的空间分布信息， 重构拉曼光谱 特征物理参量 的空间分布图像。 本发明能有效识别出以生物结 构为代表的各类有机与无机样品的化学构成特 征， 并对其后所构成信息进行定性、 定量鉴别和 归类分析， 可视化重构其空间分布信息 。 权利要求书1页 说明书6页 附图4页 CN 114295600 A 2022.04.08 CN 114295600 A 1.一种改进的拉曼光谱多元 数据分析及成像方法， 其特 征在于， 包括以下步骤： S1、 获取拉曼光谱原 始数据后， 对所述原 始数据进行 预处理； S2、 预处理后的数据根据不同分析需求或光谱噪声来源， 对光谱数据独立或依次进行 归一化、 均值中心化和一 二阶导数处 理； 所述归一化包括： 当功率扰动和样品不均匀的影响超出预定范围时， 进行光谱强度归 一化处理； 当样品和仪器变化造成的影响超出预定范围时， 进 行谱峰强度归一化处理； 当消 除奇异样本数据导 致的不良影响超出 预定范围时， 进行矢量归一 化处理； S3、 对处理后的数据， 结合分类模型对光谱特 征信息进行分类鉴别； S4、 利用多种光谱扫描手段获得拉曼光谱数据集， 基于拉曼数据集含有的空间分布信 息， 重构拉曼光谱特 征物理参 量的空间分布图像： 利用聚类分析方法对预处理后的光谱数据集进行特征分类并以伪彩色图像的形式重 构不同类光谱特 征参量的空间分布； 或利用谱分解算法计算端元光谱在每个像素点的数值贡献并以伪彩色图像的形式重 构端元成分的空间分布信息 。 2.根据权利要求1所述的改进的拉曼光谱多元数据分析及成像方法， 其特征在于， 所述 分类模型包括： 二次判别分析QDA、 广义判别分析GDA建立的分类模型。 3.根据权利要求1所述的改进的拉曼光谱多元数据分析及成像方法， 其特征在于， 所述 空间分布图像包括： 通过自动寻峰或手动输入功能， 选择拉曼光谱特征峰， 并根据其峰强的 空间分布信息以伪彩色图像的形式， 重构拉曼光谱图像。 4.根据权利要求1所述的改进的拉曼光谱多元数据分析及成像方法， 其特征在于， 所述 聚类分析方法包括层次聚类分析HCA和K均值聚类分析KCA， 使用前需要输入光谱子集的具 体数量， 对于同一光谱数据集， 根据使用需求并或串 行运行两种聚类算法， 并对其光谱分析 与成像结果进行对比与选择。 5.根据权利要求1所述的改进的拉曼光谱多元数据分析及成像方法， 其特征在于， 所述 谱分解算法包括像素纯度指数算法PPI、 顶点成分分析VCA、 N ‑FINDR算法、 单纯性增长算法 SGA， 使用前需要输入光谱子集的端元数量， 对于同一光谱数据集， 根据样品化学成分的复 杂程度选择实现谱分解 算法功能， 并对其 光谱分析与成像结果进行对比与验证。 6.根据权利要求1所述的改进的拉曼光谱多元数据分析及成像方法， 其特征在于， 重构 拉曼光谱 特征信息的空间分布图像还包括， 主成分分析成像方法P CA， 通过主成分PC s， 其中 s＝1,2,3, …,n‑1， 在每个像素的得分生 成特征丰度图， PCs代表最显著的光谱变量,第一个 主成分PC1能够解释数据集中最大的方差， 而后续主成分PC解释的方差逐渐减小， 所重构的 特征丰度图描述了主成分在样品上的分布。 7.根据权利要求1所述的改进的拉曼光谱多元数据分析及成像方法， 其特征在于， 重构 拉曼光谱 特征信息的空间分布图像还包括， 多 元曲线分辨交替最小二乘MCR ‑ALS， 通过分解 样本光谱数据集， 得到代表样品所含成分信息的光谱剖面图， 以及代表成分浓度分布的浓 度剖面图， 进 而构建不同成分的空间分布图像。权　利　要　求　书 1/1 页 2 CN 114295600 A 2一种改进的拉曼光谱多元数据分析及成像方 法 技术领域 [0001]本发明涉及拉曼光谱信息处理及其光谱特征计算机识别领域， 特别是涉及一种拉 曼光谱多元 数据分析及成像方法。 背景技术 [0002]拉曼光谱方法是一种利用拉曼效应进行光谱分析的光学分析方法。 拉曼散射为一 种微弱的光学现象， 其所产生的光谱信息(即拉曼光谱)极易受环境及外界因素的干扰； 其 次， 在复杂的生化环境或其他体系内， 不同种类的生物大分子含有类似的生化构成， 从而导 致其拉曼光谱出现谱峰位置交叠、 谱峰强度不均及谱峰宽度(半高宽)延展的现象。 [0003]基于以上背景， 提出一种拉曼光谱多元数据分析及成像方法， 在实现不 同种类样 品原始拉曼光谱预 处理的基础上， 运用特征提取和分类鉴别以及重构图像的多元数据分析 方法， 实现不同材 料光谱特 征信息的提取与判定 。 发明内容 [0004]本发明的目的是提供一种改进的拉曼光谱多元数据分析及成像方法， 应用于各类 有机与无机材 料的拉曼光谱与光谱数据集预处 理与多元分析及成像。 [0005]为实现上述目的， 本发明提供了如下方案： 一种改进的拉曼光谱多元数据分析及 成像方法， 包括以下步骤： [0006]S1、 获取拉曼光谱原 始数据后， 对所述原 始数据进行 预处理； [0007]S2、 对预处理后的数据根据不同分析需求或光谱噪声来源， 对光谱数据独立或依 次进行归一 化、 均值中心化和一、 二阶导数处 理； [0008]所述归一化包括： 当功率扰动和样品不均匀的影响超出预定范围时， 进行光谱强 度归一化处理； 当样品和仪器变化造成的影响超出预定范围时， 进 行谱峰强度归一化处理； 当消除奇异样本数据导 致的不良影响超出 预定范围时， 进行矢量归一 化处理； [0009]S3、 对处理后的数据， 结合分类模型对光谱特 征信息进行分类鉴别； [0010]S4、 利用多种光谱扫描手段获得拉曼光谱数据集， 基于拉曼数据集含有的空间分 布信息， 重构拉曼光谱特 征物理参 量的空间分布图像： [0011]利用聚类分析方法对预处理后的光谱数据集进行特征分类并以伪彩色图像的形 式重构不同类光谱特 征的空间分布； [0012]或利用谱分解算法计算端元光谱在每个像素点的数值贡献并以伪彩色图像的形 式重构端元成分的空间分布信息 。 [0013]优选地， 所述分类模型包括： 二次判别分析QDA、 广义判别分析GDA建立的分类模 型。 [0014]优选地， 所述空间分布图像包括： 通过自动寻峰或手动输入功能， 选择拉曼光谱特 征峰， 并根据其峰强的空间分布信息以伪彩色图像的形式， 重构拉曼光谱图像。 [0015]优选地， 所述聚类分析方法包括层次聚类分析HCA和K均值聚类分析KCA， 使用前需说　明　书 1/6 页 3 CN 114295600 A 3