近红外光谱分析技术具有测样简单、快速、对样品无损、对环境无污染等特点,目前在很多领域都得到了广泛的应用。然而,近红外光谱吸收峰宽且强度弱是多年来近红外光谱分析技术没有得到大规模应用的根本原因。如何将近红外光谱中的有用信息提取出来以实现对目标组分的分析检测,成为使用近红外光谱技术对复杂体系分析的一大挑战。为了建立更加实用的定性定量模型,采用化学计量学方法处理近红外光谱信号是近红外光谱分析中必不可少的组成部分。本学位论文对基于近红外光谱技术获得的图谱开展了Tchebichef图像矩的应用研究,论文内容主要包括以下各章:第一章绪论。主要概述了近红外光谱技术的发展现状及优势、近红外光谱的获取及特点、化学计量学方法在近红外光谱分析中的应用、图像矩方法及其在分析化学中的应用,最后简单介绍了本学位论文所研究的主要内容。第二章基于复杂样本的原始近红外光谱,采用Tchebichef图像矩方法对样本中的目标成分进行特征信息的提取。将Tchebichef图像矩与偏最小二乘法结合,建立了(TM-PLS)定量模型。与传统的偏最小二乘法(PLS)及经典的间隔偏最小二乘法(iPLS)相比,TM-PLS方法不仅简单,而且能更有效地提取出目标组分的特征信息从而实现更加精确的定量分析。从建模参数及验证的结果中可以看出,对样品近红外光谱进行分析时,即使谱图中存在未知物干扰和目标组分峰部分重叠的情况下,Tchebichef图像矩可以作为一种有效的预处理方法将样品中目标成分的特征信息提取出来,实现对目标组分的定量分析。第三章基于近红外光谱的温度效应对混合样品中的三种目标成分同时进行定量分析。近红外光谱分析技术在测定时对外界的条件变化极为敏感,尤其是温度的影响限制了该技术的应用范围。因此,本研究围绕温度对近红外光谱的影响展开,针对同一样品在不同温度下测定的近红外光谱,利用Tchebichef图像矩方法实现混合样品中目标成分信息的有效分离,并采用逐步回归对目标成分浓度建立了定量模型。本研究中,我们充分利用温度效应扩展了样本的信息容量,并借助Tchebichef图像矩方法强大的多分辨性及固有的不变性,将目标成分的特征信息有效地提取出来,进而得到比较理想的定量模型。第四章对多台近红外仪器建立通用定量模型。在实际应用中,由于样品量较大,工作者会采用多台近红外仪器收集样品的光谱图。然而,如果将一台近红外仪器上建立的定量模型直接应用到其他近红外仪器测得光谱去定量,会产生较大的预测误差,因而每台仪器通常都需要建立并维护属于自己的定量模型。为了避免重复而繁琐的建模、保证测定结果的一致性和准确性,我们充分利用Tchebichef图像矩的多分辨性及平移、伸缩、旋转的固有不变性对多台近红外仪器建立通用定量模型。研究结果表明,虽然同样的样品在不同的近红外仪器上测得的光谱有明显的差异,但是由于Tchebichef图像矩在不同的阶数下能够有效地提取出复杂体系中目标成分的特征信息,因此可以建立比较满意的通用定量模型。第五章主要结论与展望。