论文部分内容阅读
傅里叶变换红外光谱(Fourier transform infrared spectroscopy，FTIR)显微成像是一种同时涵盖精细光谱信息和空间信息的微区分析技术，具有上百个光谱波段的探测能力，光谱分辨率可达到λ/Δλ=100个数量级的光谱立体图像，最近一些文献中也称FTIR显微成像为FTIR高光谱显微成像。依据化学计量学定性剖析光谱信息时关注光谱维度，是因为FTIR显微成像数据具有丰富的特诊性信息。如今，光谱分析模型日益丰富，凭借FTIR显微图像的光谱化学特异性，辨识出化学组分的空间分布，但是实现光谱可视化定性化分析依然存在着一些严峻的问题。传统FTIR显微分类方法存在着明显的缺点与不足，即分类中仅仅依靠与光谱信息，而忽略了空间特征的积极作用。在过去的几年，遥感成像(Remote Sensing Imagery，RSI)技术利用空间信息特征来提高RSI影像的分类精度受到了广泛重视。因此受此启发，将空间结构信息融入到FTIR显微成像的分类过程中，提供关于光谱特性的补充信息，有效地提高分类性能。因此，本文围绕空-谱特征模型对FTIR显微成像分类算法展开研究，其主要研究工作描述如下：
(1)针对多变量分析方法中光谱特征缺失物理信息问题，在光谱特征提取时依据单变量分析思想，引入子空间划分理论去除光谱冗余波段，把单变量和多变量两种分析思想结合在一起，我们提出了基于四种子空间划分策略的特征吸收峰区间算法(Characteristic Absorption Peak Interval，CAPI)。CAPI设置了四种类型提取特征波段的策略，全子波段随机(All Sub-bands Randomization，ASBR)，子空间随机(Subspace Randomization，SSR)，子空间概率主成分分析(Probabilistic Principal Component Analysis of the Subspace Partition，SP3CA)和子空间最佳指数因子(The Optimum Index Factor of Subspace Partition，SP-OIF)算法，从不同的官能团区间中提取吸收峰波段子集。CAPI算法保留了原始光谱数据的化学指纹特异性，能够利用数据的内在结构特征，具有一定的物理意义，减少了数据采集的成本和工作量，排除不必要的冗余特征数据。以吸收峰谱带作为特征矩阵构建新分类模型，为定性分析样品组分揭示空间可视化分布提供了重要依据。
(2)针对配分函数概率测度的噪声敏感性，提出一种基于邻域空间相关算法(Neighborhood Spatial Correlation，NSC)的概率测度方法来提取空间纹理特征。NSC算法堆叠内部特征吸收峰的光谱特征，然后通过构造邻域相关空-谱结构，提供关于光谱特性的补充信息，从而提升类别的可区分性。比较结果表明，利用空-谱框架结构的模型，其分类精度高于其他多变量分析方法。所提出的NSC算法可以有效地降低斑点噪声的影响，保留图像分类中有效的纹理信息。同时，权重因子q的收敛速度没有被增加，并且满足标度不变性的线性区间范围较大。
(3)针对标度可变区间增加这一问题，提出两个方面解决方案：1)采用标度不变性区间修剪策略。在实际应用中，标度不变性准则过于苛刻，由于纹理表面的不规则分布，各种像素噪声等原因，配分函数不能满足无限区域内的自相似性，只在一定取值范围内具有尺度不变性，为了解决这个难题，采用标度变化区间修剪策略，防止纹理特征失真现象发生。2)针对标度不变区间局部线性异常提出两个参数指标。对模板尺度ε的大小和权重因子q的截止阈值进行设定，提出配分函数线性波动度SELFQ(ε)和权重因子收敛系数WFCCS(q)两个指标寻找最优尺度ε大小和权重因子q的最优收敛值，来决绝标度不变性区间异常情况。同时，设计出线性区间曲线的可视化图。
(4)考虑到空-谱模型中传统空间特征的参数设置较多、操作复杂的缺点，提出了一种基于各向异性可变窗随机场(Anisotropic Variable Window Random Field，AVWRF)模型的FTIR显微图像分类算法。该方法依托离散分数布朗增量随机场DFBIR理论，可描述如软骨和生物组织等不规则、随机和高度复杂的自然物体形状，传统的欧几里德几何不能用于此。首先通过AVWRF方向算子，全面地刻画其不同层次纹理细节的复杂特性，然后将多方向的空间特征信息融入到光谱特征中，与概率主成分分析所提取光谱特征信息堆叠作为特征矩阵，共同构建一个空-谱随机场模型。提出的AVWRF方向算子在权衡分类精度的同时，达到设置参数量较少，能够实现特征维数少的空间特性。
(5)针对高度混合程度的药片剂FTNIR成像光谱数据混叠严重，光谱化学特异性变异直接导致药片多种不同组分的鉴别变得困难问题，提出了一种扩展凸面体多属性特征(Extend Convex Crown Multi-attribute Profiles，EC2MAPs)算法提取影像的空间几何结构元素特征。借助EC2MAPs构建多个凸面体模型，获取描述影像结构空隙粗糙度属性信息的空间特征向量，然后利用互信息交叉混合核(Mutual cross-information kernel Learning，MCIKL)框架将空间特征信息融入到后验概率支持向量机核函数的分类策略中，为空间空隙粗糙度特征融合提供了可能性。构建的空-谱混合核达到比单核函数更令人满意的实验效果，提高了单核函数的分类精度。
(1)针对多变量分析方法中光谱特征缺失物理信息问题，在光谱特征提取时依据单变量分析思想，引入子空间划分理论去除光谱冗余波段，把单变量和多变量两种分析思想结合在一起，我们提出了基于四种子空间划分策略的特征吸收峰区间算法(Characteristic Absorption Peak Interval，CAPI)。CAPI设置了四种类型提取特征波段的策略，全子波段随机(All Sub-bands Randomization，ASBR)，子空间随机(Subspace Randomization，SSR)，子空间概率主成分分析(Probabilistic Principal Component Analysis of the Subspace Partition，SP3CA)和子空间最佳指数因子(The Optimum Index Factor of Subspace Partition，SP-OIF)算法，从不同的官能团区间中提取吸收峰波段子集。CAPI算法保留了原始光谱数据的化学指纹特异性，能够利用数据的内在结构特征，具有一定的物理意义，减少了数据采集的成本和工作量，排除不必要的冗余特征数据。以吸收峰谱带作为特征矩阵构建新分类模型，为定性分析样品组分揭示空间可视化分布提供了重要依据。
(2)针对配分函数概率测度的噪声敏感性，提出一种基于邻域空间相关算法(Neighborhood Spatial Correlation，NSC)的概率测度方法来提取空间纹理特征。NSC算法堆叠内部特征吸收峰的光谱特征，然后通过构造邻域相关空-谱结构，提供关于光谱特性的补充信息，从而提升类别的可区分性。比较结果表明，利用空-谱框架结构的模型，其分类精度高于其他多变量分析方法。所提出的NSC算法可以有效地降低斑点噪声的影响，保留图像分类中有效的纹理信息。同时，权重因子q的收敛速度没有被增加，并且满足标度不变性的线性区间范围较大。
(3)针对标度可变区间增加这一问题，提出两个方面解决方案：1)采用标度不变性区间修剪策略。在实际应用中，标度不变性准则过于苛刻，由于纹理表面的不规则分布，各种像素噪声等原因，配分函数不能满足无限区域内的自相似性，只在一定取值范围内具有尺度不变性，为了解决这个难题，采用标度变化区间修剪策略，防止纹理特征失真现象发生。2)针对标度不变区间局部线性异常提出两个参数指标。对模板尺度ε的大小和权重因子q的截止阈值进行设定，提出配分函数线性波动度SELFQ(ε)和权重因子收敛系数WFCCS(q)两个指标寻找最优尺度ε大小和权重因子q的最优收敛值，来决绝标度不变性区间异常情况。同时，设计出线性区间曲线的可视化图。
(4)考虑到空-谱模型中传统空间特征的参数设置较多、操作复杂的缺点，提出了一种基于各向异性可变窗随机场(Anisotropic Variable Window Random Field，AVWRF)模型的FTIR显微图像分类算法。该方法依托离散分数布朗增量随机场DFBIR理论，可描述如软骨和生物组织等不规则、随机和高度复杂的自然物体形状，传统的欧几里德几何不能用于此。首先通过AVWRF方向算子，全面地刻画其不同层次纹理细节的复杂特性，然后将多方向的空间特征信息融入到光谱特征中，与概率主成分分析所提取光谱特征信息堆叠作为特征矩阵，共同构建一个空-谱随机场模型。提出的AVWRF方向算子在权衡分类精度的同时，达到设置参数量较少，能够实现特征维数少的空间特性。
(5)针对高度混合程度的药片剂FTNIR成像光谱数据混叠严重，光谱化学特异性变异直接导致药片多种不同组分的鉴别变得困难问题，提出了一种扩展凸面体多属性特征(Extend Convex Crown Multi-attribute Profiles，EC2MAPs)算法提取影像的空间几何结构元素特征。借助EC2MAPs构建多个凸面体模型，获取描述影像结构空隙粗糙度属性信息的空间特征向量，然后利用互信息交叉混合核(Mutual cross-information kernel Learning，MCIKL)框架将空间特征信息融入到后验概率支持向量机核函数的分类策略中，为空间空隙粗糙度特征融合提供了可能性。构建的空-谱混合核达到比单核函数更令人满意的实验效果，提高了单核函数的分类精度。