表面增强拉曼光谱检测爆炸物研究进展

近年来,恐怖袭击、刑事犯罪等爆炸事件频发,对社会的公共安全构成了严峻挑战。炸药是各种爆炸物的核心成分,因此对炸药的分析检测与识别是公共安全领域研究的热点之一。表面增强拉曼光谱可以对爆炸物分子实现指纹谱性、超痕量、实时高效的探测和识别,在安全检测和法庭科学等公共安全领域展现了极具诱惑力的应用前景。最近几年,国际上针对表面增强拉曼光谱检测爆炸物的研究十分活跃,取得了丰富的成果,文章综述了爆炸物表面增强拉曼基底,包括表面修饰改性和复合功能结构基底;有机和无机爆炸物的检测;以及爆炸物光谱识别的研究进展。分析了需要面对的问题,并总结展望了未来的发展趋势。相信随着纳米科学与技术、表面科学、仪器科学以及深度学习等新兴科技的快速发展,表面增强拉曼光谱一定能在爆炸物检测和识别方面取得更大进展。     

基于积分球反射计的红外光谱发射率测量系统校正方法

针对非理想参考反射标准对光谱发射率测量结果的影响,基于积分球反射计的红外发射率测量系统原理,提出了一种适用于反射法光谱发射率测量系统的校正方法。通过参考反射标准样光谱反射率的数据拟合,得到反射率的曲线方程,计算反射测量系统的校正系数,校正参考标准样的输出电压,推导出光谱反射率为1的参考标准样输出电压曲线,消除了非理想参考标准造成的系统误差。应用该修正方法对基于积分球反射计的太阳能选择吸收涂层光谱发射率测量系统进行了校正,将校正后的光谱发射率测量结果与能量比较法的测量结果进行对比,验证了校正方法的可行性,有效性,提高了光谱发射率测量的准确度。     

基于近红外漫反射光谱的烃源岩生烃潜量的确定

对比了近红外光谱和中红外光谱对烃源岩样品生烃潜量的定量分析能力.由于近红外光谱受样品的颗粒度、密度、表面粗糙度等造成的光散射的影响更大,使得其漫反射光谱数据的信噪比很低,背景干扰很大,很难直接应用于定量分析.因此需要一种有效的方法对近红外漫反射数据进行预处理来消除散射的影响.本文对比了正交信号校正算法(OSC)及其两种...     

近红外等效光谱测量方法研究

便携式近红外光谱仪器测量低反射率或透过率样品的漫反射率或透过率光谱时,由于仪器噪声的影响,光谱数据小、信噪比低,即使采用降噪数据处理,所得光谱数据仍无法满足分析精度的要求。因此研究了近红外等效光谱测量方法：根据低反射率或透过率样品在常规测量条件下反射信号的强度,增大仪器测量时光源电流以增大样品扫描信号、减小参比反射或透射光强以避免参比信号超量程,并计算得与常规测量方法相同的等效光谱,以提高样品近红外反射率或透过率光谱数据的信噪比。理论分析和实验结果表明采用近红外等效光谱测量方法,可获得与常规测量方法的光谱数据相同、且信噪比增大的等效光谱。     

颗粒度对不同煤种可见光-近红外光谱的影响

煤炭是我国最主要的能源,在开采、运输、洗选加工、精煤储运等过程中都需要及时了解煤的成分、含量以及混矸程度,以便掌握和监控煤炭质量。目前,基于可见光-近红外反射光谱的煤炭原位测试技术已经成为一个研究热点。颗粒度是影响光谱特征的重要因素,开展颗粒度对不同煤种反射光谱特征的影响研究,对于深刻认识煤的光谱特征,进而提高煤光谱识别精度具有重要意义。为此,选取我国主要煤炭富集区（包括内蒙古乌海、新疆哈密、山西阳泉）的褐煤、烟煤、无烟煤为研究对象,利用SVC HR-1024光谱仪对不同颗粒度煤样的可见光-近红外光谱进行测试,分析了颗粒度对煤样光谱反射率的影响规律,以及颗粒度对于不同煤种光谱影响的差异。在此基础上,对实验现象背后的物理机理进行了分析讨论。研究表明,变质程度不同的煤反射光谱特征基本相似,即在可见光波段反射率较低且随波长增加出现缓慢下降趋势,在近红外波段快速上升。当煤样颗粒度>0.10 mm时,颗粒度大小对光谱特征的影响较小,煤样反射光谱特征随颗粒度变化规律不明显;当颗粒度<0.10 mm时,颗粒度对煤样的光谱影响增大,且影响主要体现在近红外波段的反射率光谱曲线的斜率大小,颗粒度越小,光谱反射率曲线斜率越大。0.10 mm颗粒度可作为颗粒度对煤的光谱特征影响的敏感界限。不同煤种可见光-近红外光谱曲线受颗粒度的影响程度不同,褐煤的影响最大,烟煤次之,无烟煤影响最小。实验表明,利用反射光谱进行煤质分析和煤种识别时需要考虑颗粒度的影响,同时,选择颗粒度小于0.10 mm的粉末状样品效果要好于大颗粒或块状样品。     

基于微面斜率法的粗糙表面半透明介质层光谱散射特性分析

对具有一维高斯分布粗糙表面的半透明介质层光谱散射,基于微面斜率法建立了考虑遮蔽效应的粗糙表面光谱辐射传递概率模型,采用蒙特卡罗法模拟光谱辐射能束在粗糙表面、半透明介质层介质与镜反射基底之间的多次反射、折射和吸收等传递过程。通过数值模拟,分析了介质层表面粗糙度、光谱光学厚度、折射率和基底反射率对介质层双向反射分布函数(BRDF)的影响。结果表明,表面粗糙程度不同时,反射峰值随入射角度呈现不同的变化趋势;表面粗糙度增加或折射率增大都将导致漫反射份额增大;介质层光谱光学厚度和基底反射率主要影响BRDF的数值大小,而对BRDF的分布形态影响很小。     

基于底物内标的蜂蜜中硝基呋喃妥因拉曼信号校正方法

针对表面增强拉曼光谱信号重复性欠佳的问题,利用实验室自行搭建的拉曼点检测系统,以蜂蜜中硝基呋喃妥因兽药为检测对象,探讨了基于蜂蜜固有内标的硝基呋喃妥因表面增强拉曼峰强校正方法。首先通过含不同浓度硝基呋喃妥因蜂蜜样品及硝基呋喃妥因标准品的拉曼光谱对比分析,确定739 cm-1处蜂蜜拉曼特征位移作为底物蜂蜜的内标峰,用比值法校正硝基呋喃妥因1 353和1 612 cm-1处拉曼特征峰强用于蜂蜜中硝基呋喃妥因定量分析。相同条件下分别采集了浓度为20 mg·kg-1的硝基呋喃妥因蜂蜜样品表面增强拉曼光谱30次,1 353和1 612 cm-1处硝基呋喃妥因特征峰强相对标准偏差（RSD）分别为11.515 6%和11.162 5%,利用739 cm-1处蜂蜜拉曼特征峰强作为内标分别校正1 353和1 612 cm-1处硝基呋喃妥因拉曼特征峰强后相对标准偏差分别降为4.852 6%和4.733 2%,显著提升了表面增强拉曼特征峰强的重复性和稳定性。因为仪器系统误差及表面增强过程中不可控因素引起的人为误差等对样品表面增强光谱中739 cm-1处蜂蜜特征峰强和1 353和1 612 cm-1处硝基呋喃妥因特征峰强的影响是完全相同的,所以通过内标比值法可以有效消除和减少拉曼信号稳定性和重复性差的问题。最后采集硝基呋喃妥因浓度范围为0.4~20 mg·kg-1的69个蜂蜜样品,基于硝基呋喃妥因1 353和1 612 cm-1处拉曼特征峰强和蜂蜜739 cm-1处拉曼特征峰强比值,分别建立了一元线性回归预测模型和多元线性回归模型,其中基于蜂蜜739 cm-1处内标校正硝基呋喃妥因1 612 cm-1处拉曼特征峰强的一元线性回归模型效果最佳,与校正前相比具有更高的精度和预测能力。该模型校正集决定系数（R2_C）和验证集决定系数（R2_Ｖ）分别为0.971 2和0.969 6,校正集均方根误差（RMSEC）和验证集均方根误差（RMSEP） 分别为1.115 1和1.242 2,相对分析误差（RPD）为4.306 0。结果表明,被测底物本身持有固有内标的样品可无需加入额外的内标物,简单用内标比值法可以有效消除仪器的系统误差以及表面增强剂与样品的混合时间等对拉曼信号强度的影响,显著提高了拉曼特征信号的重复性和稳定性,为表面增强拉曼光谱定量分析提供了技术参考。     

基于光谱分析技术的黄瓜与茎叶识别研究

为了能够快速实时地识别温室中的黄瓜,研究了黄瓜和其茎叶的近红外反射光谱特性。利用近红外光谱仪在室内共采集138个样本(黄瓜46个,茎46个,叶46个)的反射光谱,进行Savitzky-Golay平滑后,抽取光谱中的108个样本作为校正集,采用偏差权重法选择信息量较大的光谱波段690~950 nm进行研究。在主成分分析(PCA)的基础上,结合马氏距离建立识别模型,剔除了7个异常样本。用剩余的101个样本进行偏最小二乘法建模,对校正集之外的30个样本进行预测。结果显示预测值和实际值的相关性达0.994 1,正确识别率达100%。说明黄瓜、茎和叶的近红外反射光谱特性之间有一定差异,可以用近红外光谱技术进行鉴别,为黄瓜识别提供了一种新的方法和思路。     

高光谱探测绿色涂料伪装的光谱成像研究

基于现有伪装涂料与植被反射光谱的本质差异,提出一种可有效识别当前所有绿色伪装涂料的高光谱成像方法.通过分析绿色伪装涂料与被子植物叶片的反射光谱及其一阶微分谱的差异,确定了星载和机载高光谱遥感探测中,可见光波段的绿色反射峰和780～1 300 nm的“近红外高原”波段反射率的波动性是识别绿色伪装涂料的有效光谱特征.对“近红外高原”波段的反射光谱进行成像是高光谱探测实现伪装目标可视识别的可行方法,尤其是对反射光谱一阶微分处理后进行成像可更加有效地识别植被环境中的绿色伪装涂料.     

高光谱激光雷达植被叶片方向反射特性及对叶绿素反演的影响

不同于传统被动光学传感器,高光谱激光雷达发射主动式全波段高斯脉冲激光,和植被叶片表面相互作用后,不同波段后向散射强度返回至接收器并被记录下来。以往的高光谱激光雷达植被叶片反射特性研究只聚焦于零度角入射的情况,对多入射角方向反射光谱特性以及方向反射特性对叶片叶绿素含量估算带来的误差尚未进行过深入研究。利用实验室研发的32波段高光谱激光雷达获取了不同入射角下的植被叶片反射光谱,对高信噪比波段下植被叶片的复杂方向反射特性进行了深入分析,随后选择光谱指数研究了高光谱激光雷达测量条件下植被方向反射特性对叶绿素含量反演的影响。结果表明,(1)高光谱激光雷达植被叶片回波强度随入射角增大逐渐降低,但二向反射率因子并不逐渐减小,在可见光和近红外波段,二向反射率因子随入射角增大分别呈现出两种不同形状特征,可见光波段反射率因子最大值出现在0°～10°,近红外波段最大值出现在60°,反射率因子最小值均出现在45°处,最大和最小反射率因子间可差0.1左右,可见光和近红外波段10°～60°内二向反射率因子均呈现先减小后增大的趋势;(2)通过对不同入射角下光谱指数与叶绿素含量的回归分析发现,方向反射特性对反演精度有...     

胶州湾海域Landsat8/OLI数据处理中多种大气校正方法的评价

海洋水色遥感研究中,精确的水体遥感反射比R_rs(λ)光谱数据是应用海洋光学卫星数据反演海洋生物地球物理参数的关键。实际工作中,遥感反射比是根据遥感仪器接收到的辐亮度经大气吸收和散射校正、太阳距离以及太阳高度角校正后计算出来的。因此对卫星传感器数据进行大气校正是我们得到精确的水体遥感反射比光谱数据的关键因素之一,也是海洋水色遥感研究中的一个重要问题。胶州湾是黄海西部的一个半封闭海湾,是北温带海湾生态系统的重要代表,该海域内规划了大范围的海洋牧场养殖区域,水体生物光学性质复杂。Landsat是美国NASA的陆地卫星计划,最初是为了观测陆地而研发,但是其高空间分辨率(30 m)的优势在海洋遥感监测中表现突出,使得其成为卫星遥感监测河流、湖泊、内陆环湾等水体不可忽略的数据源之一。基于QA(quality assurance) Score光谱质量评价体系对Landsat8/OLI数据处理中五种大气校正算法在胶州湾海域的大气校正结果进行了评价分析。五种大气校正算法分别是NASA(National Aeronautics and Space Administration)标准近红外大气校正算法(Seadas采用为默认大气校正算法,记为Seadas Default);Acolite 默认大气校正算法—暗光谱拟合算法（dark spectrum fitting,记为Acolite DSF）;以及Acolite指数外推算法（exponential extrapolation）,根据算法中所使用波段的不同,分别记为Acolite SWIR, Acolite Red/NIR, Acolite NIR/SWIR。分析结果表明在胶州湾海域Seadas Default的大气校正算法得到的R_rs(λ)数据QA得分为1的概率（83.95%）要远大于Acolite DSF（49.66%）,Acolite SWIR（4.13%）,Acolite Red/NIR（7.25%）,Acolite NIR/SWIR（1.38%）四种大气校正算法。Acolite DSF大气校正算法优于Acolite SWIR,Acolite Red/NIR,Acolite NIR/SWIR。应用MODIS/Aqua卫星数据对Seadas Default大气校正算法和Acolite DSF大气校正算法处理Landsat8/OLI卫星数据得到的R_rs(λ)在443,483,561和655 nm的数据进行了对比分析,结果表明在各个波段的Seadas Default算法所得的大气校正结果都要优于Acolite DSF算法。据此,建议在胶州湾及其附近海域应用Landsat8/OLI数据进行遥感应用研究时以NASA标准近红外大气校正算法为首选。     

月球表面遥感图像阴影消除及其信息恢复研究

由于月球表面的地形起伏引起月面遥感图像像素与太阳相对位置和几何取向不一致,导致月面遥感数字图像上阴影像素的产生。为了解决这一问题,利用与遥感图像匹配的DEM和光照方位参数进行遥感图像的阴影判断,基于DEM数据,利用邻坡反射辐射,进行自然地形条件下的月表遥感图像阴影像素的阴影消除,恢复成太阳光谱照度相等（入射角,反射角和距离相同）时的像素遥感值。仿真实验结果表明：该方法较好地消除了月表影像的阴影,充分恢复了月表影像的反射/光谱特征。     

土壤粒度对基于近红外离散波长土壤全氮预测精度影响

土壤粒度是对土壤近红外光谱造成严重干扰的主要因素之一。通常在样本前处理阶段采用研磨和过筛土壤来降低土壤粒度干扰,在数据处理阶段通过对连续光谱微分法等数学方法消除土壤粒度干扰。但是对于近红外波段离散波长的建模,至今没有有效的方法消除土壤粒度干扰。为此,提出了土壤粒度修正法以解决土壤粒度干扰消除难题。首先建立土壤粒度修正模型,将农田采集的标准土壤在实验室烘干消除水分后,进行土样配置,得到4个土壤粒度（2.0, 0.9, 0.45, 0.2 mm）和6个全氮浓度等级（0, 0.04, 0.08, 0.12, 0.16, 0.2 g·kg-1）的96个土壤样本。采用MATRIX-Ⅰ型傅里叶变换近红外光谱仪采集土壤样本近红外光谱,计算四个不同粒度(每个粒度包含24个土壤样本)和全部土壤样本在每个波长处（850～2 500 nm）所有样本间吸光度的光谱标准偏差,分析得到土壤粒度的特征波段为1 361和1 870 nm。采用特征波段吸光度比值作为单一输入变量建立SVM土壤粒度分类模型,土壤粒度整体分类准确率为93.8%,表明对土壤粒度进行分类是可行的。选择本研究团队开发的基于近红外波段离散波长(1 070, 1 130, 1 245, 1 375, 1 550, 1 680 nm)吸光度的车载土壤全氮检测仪对提出的土壤粒度修正模型进行验证。结果表明修正后粒度为2.0,0.9和0.45 mm的吸光度和原始土壤吸光度分别降低了62%,74%,111%和61%。表明土壤粒度修正法可以显著减小土壤粒度干扰。最后采用BPNN建立不同吸光度的全氮模型,相较于原始吸光度模型,修正后的土壤吸光度模型R2_v提高了25%。表明提出的土壤粒度修正法可以显著减小土壤粒度对近红外光谱离散波长吸光度的干扰,提高车载土壤全氮检测仪的测量精度。     

利用无人机搭载的多光谱相机直接测定地表反射率的新方法

目前,无人机获取的多光谱遥感数据已被广泛应用于农业、林业、环境等领域的定量监测中.然而,现有的将多光谱遥感数据转换为地表反射率的方法,仍然存在一定的缺陷,如需要依赖地面参考板、无法适应光照条件变化、得到的结果不准确等,从而影响了多光谱遥感数据定量化应用的效果.为了解决该问题,提出了一种可以利用无人机搭载的多光谱相机,直...     

内陆河道表层水体反射光谱的走航观测研究

现场水体光谱观测是水体光学性质、水色遥感反演建模等研究不可或缺的基础性工作之一.常规的倾斜观测方法受其较为严格的观测几何条件限制,需要依据船体位置、太阳方位等不断调整观测角度,特别是针对河道水体光谱观测时,还须考虑河道走向、岸线遮蔽物等情况,因此,只能设置若干站点进行离散样点的观测,难以在岸线环境较为复杂的河道水体开展...     

基于端元可变的喀斯特地形复杂区石漠化信息提取

喀斯特山区因地形复杂、地表破碎等特点使得遥感影像中阴影、混合像元及光谱变异现象普遍存在,传统基于多光谱遥感的像元二分法（DPM）在光谱变异和阴影显著的区域难以准确的对喀斯特石漠化（KRD）信息进行提取。采用高光谱遥感的混合像元分解技术可将复杂的混合像元分解为纯净的地物光谱与各地物光谱对应的混合比例,为复杂山区获取更高精度的石漠化信息提供可能。然而,由于光照、环境及大气等诸多因素的变化会引起端元发生不同程度变异,导致在混合像元分解过程中出现显著的误差,其次要从地形复杂、地表异质性强的山区影像上直接获取地物纯净光谱建立用于应对光谱变异的光谱库极其困难。因此,如何在这种情况下应对光谱变异和地形效应,获取有效、准确的对石漠化信息进行提取是当前研究的重点。针对以上问题,采用通过模拟由光照条件造成的地物反射率变化,并考虑每个波长间隔光谱变异情况的广义线性混合模型（GLMM）,以减轻喀斯特地区石漠化信息提取过程中光谱变异与地形效应的影响。首先,从GF-5高光谱影像中提取喀斯特地区主要地物（植被、裸岩、裸土）的典型代表性光谱,然后基于提取的地物光谱模拟不同光照下每个像元光谱的变异情况,选择最适合的光谱组合对像元进行分解,得到最优的解混效果。为了验证方法的可靠性,利用高分辨率影像目视解译的结果作为参考对方法预测结果进行验证,同时选择未考虑端元变异的全限制最小二乘法（FCLSU）和DPM进行对比。结果表明,在地形高度复杂的喀斯特山区,考虑阴影、混合像元及光谱变异是必要的,GLMM在石漠化信息提取中总精度达到了84.89%,明显高于其他两种方法的59.68%和67.34%。通过对光照区和阴影区分别进行精度检验,发现GLMM在光照区与阴影区有着相似的精度表现,而另外两者则差异较大,阴影区明显低于光照区。这反映GLMM能较为有效地减轻地形效应的影响,对喀斯特石漠化信息提取的精度有一定提升。     

一种红外光谱免疫计算的矿物组分定量提取方法

近红外/短波红外光谱的矿物组分快速鉴定技术可以大大提高野外矿产勘查、遥感矿物填图、岩芯矿物组分分析等工作的效率,成为目前高光谱技术研究的热点之一。文章给出了一个基于光谱相似度评价约束的联合目标岩石样品光谱和矿物光谱端元库进行矿物组分光谱反演的统一模型,然后以矿物光谱线性混合模型和光谱夹角相似度评价为例,建立了一个具体的组分反演模型;针对模型求解过程中的组合优化问题,提出了一种人工免疫克隆选择计算的矿物组分光谱(ICSFSLIM)识别方法;利用在中国新疆包古图地区选取的22个野外岩石样品的实测近红外/短波红外光谱进行了矿物组分提取试验,以样品薄片鉴定结果为准,将ICSFSLIM识别结果与组合特征光谱线性反演模型(CFSLIM)识别结果进行了定量的对比分析。结果表明：ICSFSLIM比CFSLIM的识别正确率提高了2.26%,有效率提高了18.6%,并且具有更高的识别稳定性。     

融合Retinex和离散小波奇异值分解的远距离目标图像清晰化

针对远距离成像系统获取的低照度降质图像增强问题,提出了一种融合Retinex和离散小波奇异值分解的图像清晰化算法。该方法首先利用自适应全尺度Retinex（adaptive full-scale retinex, AFSR）“粗”提取照度分量和反射分量,然后通过离散小波变换将所提取的图像反射分量分解为4个频率子带并估计出低频子带图像的奇异值矩阵,最后应用逆小波变换“精”重建图像。实验结果表明:所提方法处理后的低照度降质图像视觉增强效果较好,在图像对比度、信息熵、平均梯度和边缘密度等客观评价指标方面优于其他经典算法。     

水果表面农药污染的可见／近红外光谱识别法

以表面经过喷施不同浓度农药后的脐橙为研究对象,采用可见／近红外漫反射光谱技术定性检测脐橙农药污染的程度。采集脐橙350～1800nm范围的光谱。应用多元散射校正（MSC）,标准正态变量（SNV）变换,一阶微分和二阶微分四种不同预处理方法,分别在430～1000nm、10001800nm和430～1800nm三个光谱范围内建立识别脐橙污染程度的偏最小二乘法（PLS）数学模型。比较分析得出试验结果：波谱范围取430～1000nm,采用一阶微分的预处理方法时应用PLS校正方法的结果最优,其预测值和真实值之间的相关系数和预测均方根误差分别为0．9830和0．1482。研究结果袁明。可见／近红外漫反射光谱技术可以定性检测脐橙的农药污染程度。     

用多维校正法提高近红外牛奶成分校正模型稳健性的研究

乳品质量问题是制约乳品工业发展的瓶颈。近红外光谱技术以其快速、简便等优越性广泛应用于各个领域,在乳品检测中有巨大的应用潜力和前景。但样品温度对近红外分析模型的稳健性和检测结果会产生较大影响,为获得较好的分析准确度,文章提出了抑制温度影响的新方法——多维正交校正(NOSC)结合多维偏最小二乘(NPLS)法。它将温度作为建模元素组成含温度信息的三维光谱矩阵,先将三维光谱阵进行预处理,运用NOSC方法滤除无关信息的干扰,再采用NPLS方法建立牛奶成分与透射光谱的校正模型。文章在25,30,35和40 ℃四个温度点处做了研究,波长范围为1 100～1 700 nm。通过常规法和多维校正法来减小温度的影响。实验结果表明,常规法无法抑制温度的影响,而与其他方法相比,NOSC-NPLS法建立的校正模型具有更好的预测能力和稳健性,能更有效地消除温度的影响。