基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像，对每支签字笔笔迹的高光谱图像选取18个感兴趣区域，共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理，使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小，而对于LDA模型，组合预处理具有更优的鉴别准确率；相比LDA模型，RSM－LDA模型分类效果更佳，训练集的平均分类准确率达100%，交叉验证平均分类准确率达99.09%，测试集的平均分类准确率达90.70%，每类样本的准确率、精准率、召回率均高于LDA模型分类结果，模型的接受者操作特征曲线下方面积（AUC值）达0.998 3，模型性能良好。因此，采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。

Identification of Black Signing-pen Ink Based on Hyperspectral Imaging Technique