基于加权非负矩阵分解的光谱图像解混方法及其应用技术

本申请涉及一种基于加权非负矩阵分解算法(NMF

【技术实现步骤摘要】
基于加权非负矩阵分解的光谱图像解混方法及其应用


[0001]本申请涉及图像处理
，具体的涉及一种基于加权非负矩阵分解的光谱图像解混方法。

技术介绍

[0002]红外光谱和拉曼光谱
[0003]红外光谱(Infrared spectrometry,IR)和拉曼光谱(Raman spectrometry)是研究分子结构和化学组成的有力工具，由于其快速、高灵敏度、检测用量少等优点，在材料、化工、环保、地质等领域广泛应用。从分析测试角度来看，两者配合使用往往能够更好提供分子结构方面的信息。红外光谱与拉曼光谱同属于分子振动光谱，但两者实际上存在较大区别：红外光谱是吸收光谱，拉曼光谱是散射光谱。
[0004]红外光谱：当电磁辐射与物质分子相互作用时，其能量与分子的振动或转动能量差相当时，引起分子由低能级向高能级发生跃迁，结果使某些特定波长的电磁辐射被物质分子所吸收，测量在不同波长处的辐射强度就得到了红外吸收光谱分子吸收红外辐射后发生振动能级和转动能级的跃迁，因而红外光谱又称为分子振动转动光谱。
[0005]拉曼光谱：光照射到物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于加权非负矩阵分解算法(NMF
‑
CLS)的光谱图像解混方法，包括：基于标准光谱数据库，采用NMF
‑
CLS算法对测试获得的光谱进行解混，获得待测样本中所包含的已知分子的种类及其相对浓度；所述已知分子为标准光谱数据库内所含分子，所述标准光谱数据库由不同分子的标准光谱组成；其中所述NMF
‑
CLS算法的目标函数设为：其中，设光谱矩阵是一个m*n的矩阵V，表示共有n条光谱，每条光谱由m个点组成；m*r
i
的矩阵W
(1)
表示按列排列的已知分子的参考光谱，m*r2的W
(2)
表示按列排列的未知分子的光谱；r1*n的矩阵H
(1)
和r2*n的矩阵H
(2)
分别表示W
(1)
和W
(2)
所对应的相对浓度；其中r1和r2分别表示有r1种已知分子和r2种未知分子；α表示针对已知分子所设置的权重，α≥0；由于已知分子的参考光谱W
(1)
是已知的，求得W
(2)
、H
(1)
和H
(2)
，使得方程中的F最小，即可得到已知分子所对应的相对浓度。2.根据权利要求1所述的方法，其中所述H
(1)
、W
(2)
和H
(2)
是通过迭代过程中计算得出。3.根据权利要求1
‑
2中任一项所述的方法，其中所述F关于W
(2)
、H
(1)
和H
(2)
的偏导数为：的偏导数为：的偏导数为：从偏导数得到W
(1)
、H
(1)
和H
(2)
的迭代公式为：的迭代公式为：的迭代公式为：按迭代公式进行迭代更新H
(1)
、W
(2)
和H
(2)
，当达到最大迭代次数N或F降低到设定阈值σ时停止迭代，迭代停止后，H
(1)
即为每一种已知组分对应的相对浓度的最终结果。4.根据权利要求1
‑
3中任一项所述的方法，其中所述H
(1)
、W
(2)
和H
(2)
的计算过程包括：1)输入已知组分矩阵W
(1)
、测得的光谱矩阵V，最大迭代次数N及阈值σ；2)随机初始化已知组分的系数矩阵H
(1)

【专利技术属性】
技术研发人员：叶坚，何畅，毕心缘，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：