自适应拉曼光谱成像数据去噪及其在植物细胞壁光谱分析中的应用.pdfVIP

第44卷 分析化学 (FENXIHUAXUE) 研究报告 第12期 2016年12月 ChineseJournalofAnalyticalChemistry 1846~1851 DOI:10.11895/j.issn.0253鄄3820.160392 自适应拉曼光谱成像数据去噪及其 在植物细胞壁光谱分析中的应用 1 1 1 2 *1,2 张逊 陈胜 吴博士 杨桂花 许凤 1(北京林业大学林木生物质化学北京市重点实验室,北京 100083) 2(齐鲁工业大学山东省制浆造纸科学与技术重点实验室,济南250353) 摘 要 拉曼光谱成像数据存在基线漂移与宇宙射线干扰峰两类噪声信号,无法直接用于光谱分析研究,必 须去除。 现有单光谱去噪方法处理结果不稳定、可重复性差。 针对这一问题,本研究提出了一种自适应拉曼 光谱成像数据新型去噪法,采用优化的自适应迭代惩罚最小二乘法(Adaptiveiterativelyreweightedpenalized least鄄squares,airPLS)和基于主成分分析(PCA)的干扰峰消除算法修正光谱基线漂移和宇宙射线干扰峰,具有 输入参数少、光谱失真小、处理速度快、去噪结果稳定等优点。 利用本方法去除了芒草(Miscanthussinensis)细 胞壁拉曼光谱成像数据(9010条光谱)中的噪声信号,并对去噪后数据进行PCA和聚类分析(CA),成功区分 非植物光谱与植物光谱,分类结果优于未去噪数据。 预期本方法可应用于其它光谱成像数据去噪,为光谱的 解译和定量分析提供可靠的研究基础。 关键词 拉曼光谱成像;光谱去噪;惩罚最小二乘;主成分分析;聚类分析 1 引 言 拉曼光谱成像是拉曼光谱技术的新发展,结合拉曼光谱检测系统和光学显微镜,将简单的单点分析 拓展到对一定范围内样品进行综合分析,以图像呈现样品的化学组分空间分布及表面物理化学性质等 [1] 信息 。 由于检测中收集的光谱数量过多,光谱数据处理和分析的难度大。 为了解译光谱信息,需借 [2] 助多元统计学方法,如奇异值分解(SVD)、主成分分析(PCA)等 。 这类方法能从大数据中分离出化 合物光谱,提取特征信息对光谱进行分类研究,探究该化合物的空间分布。 然而,这些方法对数据的异 常值尤为敏感,原光谱的噪声信号会严重干扰分析结果,造成分离的光谱失真、光谱分类不准确等问题。 在拉曼光谱成像数据中,存在两类难以避免的噪声信号:一是由于系统不稳定或某些样品具有荧光 [3] 效应而产生的光谱基线漂移现象(Baselinedrifts) ;二是由于成像系统中将光信号转换为电信号的电 [4] 荷耦合器件(CCD)易受到宇宙射线干扰,导致光谱中出现尖锐、随机、正向的干扰峰(Cosmicspike) 。 人们通常采用光谱处理软件中的定制算法消除这两类噪声信号。 常见的基线校正算法有小波变换 [5] [6] [7] 法 、多项式拟合法 和导数法 等,宇宙射线干扰峰的消除算法主要有中值滤波法和光谱比较法 [8] 等 。,但这些算法存在人为设置参数、去噪结果不稳定、实验可重复性差等问题,去噪过程高度依赖使 用者经验,新用户不易操作。 如小波变换法设置的母小波与光谱峰形存在差异,会无法拟合光谱峰,导 致峰形畸变;导数法虽无参数设置,但在求导过程中会发生不可逆形变,失真严重。 本研究针对现有算 法不足,提出了一种新型自适应拉曼光谱成像数据去噪方法,消除了禾本科植物芒草(Mi