基于Laplacian-Markov先验数据的加权光谱反卷积模型

针对由光谱仪器测得的拉曼光谱数据经常会受到随机噪声和仪器误差等的影响而导致低分辨率的问题，文中提出了一种能在恢复光谱结构的同时又能抑制光谱噪声的方法，即基于Laplacian-Markov约束的数据加权光谱反卷积模型。该模型将退化光谱中恢复真实光谱的问题转化为最大后验概率的求解问题，推导出了拉曼光谱恢复的变分模型。模型中利用Laplacian-Markov作为光谱数据的光滑性先验，提出加权光谱反卷积来恢复退化的光谱，并使用分裂Bregman迭代法求解。文中对该算法利用实验数据进行了验证，实验表明该方法既能恢复退化光谱细节又能抑制光谱噪声，并且求解速度快，有较强的实用价值。