目的: 为提高复杂溶液成分浓度的检测精度，精确地分析复杂溶液的化学组成，寻找有效利用光散射信息的检测模型，本研究提出了基于高光谱图像纹理特征提高复杂溶液成分浓度检测精度的方法。
 

方法: 在预实验中，研究团队利用异形样品池建立了二维光强与复杂溶液化学成分浓度的相关性。本研究通过设计一种异形样品池，从多维高光谱图像中提取出典型的纹理特征参数，利用灰度共生矩阵的图像纹理特征提取方法，计算不同浓度的多维高光谱图像在0°、45°、90°和135°的灰度共生矩阵，并分别提取角二阶矩、对比度、熵、逆差矩、自相关和梯度6个特征来描述光谱图像的纹理信息。实验对46组Intralipid-20%和India Ink混合溶液样本进行检测，并通过Headwall Photonics G4-332成像光谱仪采集得到每个样本多个波长的光谱信息，获得非圆周对称的高光谱图像。根据Headwall Photonics G4-332成像光谱仪的光谱分辨率可知，在550~650nm的范围内共有22个波段，为了保证检测系统的高信噪比，只有550~650nm范围内的波长被选择进行进一步的建模和处理。研究利用灰度共生矩阵的图像纹理特征提取方法，计算46组样本在22个波长下的多维高光谱图像在0°、45°、90°和135°的灰度共生矩阵，并分别提取典型纹理特征参数，通过偏最小二乘法将高光谱图像的纹理特征与复杂溶液的成分浓度建模分析，得到复杂溶液成分浓度检测的新方法。
 

结果: 实验结果表明，多维高光谱图像在0°、45°、90°和135°四个方向的偏最小二乘回归预测效果接近，其中135°的灰度共生矩阵提取的纹理特征与溶液浓度建模的效果最佳，预测集相关系数Rp=0.9628，预测均方根误差RMSEP=9.31%。实验结果验证了基于高光谱图像纹理特征方法提高复杂溶液成分检测精度的可行性。
 

结论: 为复杂溶液成分浓度检测提供了新的思路。